Program Linear Metode Big M pada

Pola Maksimum

Oleh

KELOMPOK 4

MUHAMMAD RIDHOLLAH (170710047)

ULFA MAHERA (170710032)

ZULFATIA NUZULA (170710048)

NUR AINUN (170710033)

PUJI DAMAYANTI (170710034)

PROGRAM STUDI PENDIDIKAN MATEMATIKA

FAKULTAS TEKNIK

UNIVERSITAS MALIKUSSALEH
2020
 KATA PENGANTAR

Puji syukur penulis panjatkan kehadirat Allah Subhanahuwataa’la karena dengan

Rahmat, Karunia, serta Taufik dan hidayah-Nya penulis dapat menyelesaikan makalah
tentang “Metode Big M pada pola maksimum”. Penulis berterima kasih kepada Ibu
Wulandari, S,Pd., M.Pd. selaku dosen mata kuliah Program Linear yang memberikan
tugas ini.

Penulis sangat berharap makalah ini dapat berguna dalam menambah wawasan
serta pengetahuan kita mengenai penerapan metode ini. Penulis juga menyadari bahwa di
dalam makalah ini terdapat kekurangan dan jauh dari kata sempurna. Oleh sebab itu ,
penulis berharap adanya kritik, saran dan usulan demi perbaikan makalah yang telah
penulis buat dimasa yang akan datang, mengingat tidak ada sesuatu yang sempurna tanpa
saran yang membangun.

Semoga makalah sederhana ini apat dipahami bagi siapapun yang membacanya.
Sekiranya makalah yang telah disusun ini dapat berguna bagi penulis sendiri maupun orang
yang membacanya. Sebelumnya penulis mohon maaf apabila terdapat kesalahan kata-kata
yang kurang berkenan, dan memohon kritik dan saran yang membangun.

Lhokseumawe, Maret 2020

Penyusun

i
 DAFTAR ISI

KATA PENGANTAR..............................................................................................i
DAFTAR ISI............................................................................................................ii
BAB I PENDAHULUAN........................................................................................1
1.1 Latar Belakang..........................................................................................1
1.2 Rumusan Masalah..........................................................................................2
1.3 Tujuan........................................................................................................2
BAB 2 PEMBAHASAN..........................................................................................3
2.1 Metode Big M................................................................................................3
2.2 Formulasi model matematik metode Big M..................................................6
2.3 Bentuk standar metode Big M pola maksimum.............................................9
BAB 3 PENUTUP.................................................................................................11
3.1 Kesimpulan..................................................................................................11
3.2 Saran.............................................................................................................11

ii
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Sejarah Perkembangan Linear Programming Ide linear programming pertama kali
dicetuskan oleh seorang ahli matematika asal Rusia bernama L.V. Kantorivich dalam
bukunya yang berjudul Mathematical Methods In The Organization And Planning Of
Production. Dengan buku ini, ia telah merumuskan pertama kalinya persoalan Linear
Programming. Namun, cara-cara pemecahan persoalan ini di Rusia tidak berkembang
dengan baik dan ternyata para ahli di negara Barat dan AS yang menggunakan cara ini
dimanfaatkan dengan baik.

Operasi riset (operation research) merupakan penerapan beberapa metode ilmiah

yang membantu memecahkan persoalan rumit yang muncul dalam kehidupan sehari-hari
kemudian di inteprestasikan dalam permodelan matematika guna mendapatkan informasi
solusi yang optimal. Operational research juga banyak digunakan untuk mengambil
keputusan yang logis serta dapat dijelaskan secara kuantitatif. Pendekatan khusus ini
bertujuan membentuk suatu metode ilmiah dari sistem menggabungkan ukuran-ukuran
faktor-faktor seperti kesempatan dan risiko, untuk meramalkan dan membandingkan hasil-
hasil dari beberapa keputusan, strategi atau pengawasan. Karena keputusan dalam riset
operasi dapat berkaitan dengan biaya relevan, dimana semua biaya yang terkaitan dengan
keputusan itu harus dimasukkan, kualitas baik dipengaruhi oleh desain produk atau cara
produk dibuat, kehandalan dalam suplai barang dan jasa, kemampuan operasi untuk
membuat perubahan dalam desain produk atau kapasitas produksi untuk menyesuaikan diri
terhadap perubahan yang terjadi.

Metode Big M digunakan untuk menyelesaikan fungsi-fungsi dalam program linier

yang tidak berada dalam bentuk baku atau standar  ( bentuk standar adalah
memaksimalkan Z sesuai dengan kendala fungsional dalam bentuk  ≤ dan kendala
nonegativitas di semua variabel) dan salah satu contoh masalah dalam kendala funsional
adalah bila fungsi dalam bentuk-bentuk = atau ≥ atau bahkan ruas kanan yang negative.

1
1.2 Rumusan Masalah
1. Apa yang dimaksud dengan Program Linier Metode Big M?
2. Bagaimana Formulasi Metode Big M pada pola maksimum?
3. Bagaimana contoh soal dan pembahasan fungsi dari metode Big M pada pola
maksimum?

1.3 Tujuan
1. Dapat memahami tentang Program Linier metode Big M.
2. Dapat mengerti formulasi permasalahan Program Linier metode Big M pada pola
maksimum.
3. Dapat memahami contoh soal dari metode Big M pada pola maksimum..

2
 BAB 2
PEMBAHASAN

2.1 Metode Big M

Sering kita menemukan bahwa fungsi kendala tidak hanya dibentuk oleh
pertidaksamaan≤ tapi juga oleh pertidakasamaan ≥ dan/atau persamaan (=). Fungsi
kendala dengan pertidaksamaan ≥ mempunyai surplus variable, tidak ada slack
variables. Surplus variable tidak bisa menjadi variabel basis awal. Dengan demikian
harus ditambahkan satu variabel baru yang dapat berfungsi sebagai variabel basis awal.
Variabel yang dapat berfungsi sebagai variabel basis awal hanya slack variables dan
artificial variables (variabel buatan).

1. Jika semua fungsi kendala menggunakan pertidaksamaan ≤maka variabel basis

awal semuanya adalah slack variables. Penyelesaian solusi optimal untuk kasus
seperti ini dilakukan dengan cara yang sudah diperkenalkan sebelumnya.
2. Jika fungsi kendala menggunakan pertidaksamaan ≥ dan/atau ≤ makavariabel
basis awal adalah slack variables dan/atau variabel buatan. Penyelesaian solusi
optimal untuk kasus seperti ini dilakukan dengan memilih 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 memilih antara metode Big M atau Dua Fase.
Kita akan bahas metode Big M dalam sub bab ini. Perbedaan metode Big M dengan
primal simpleks biasa (teknik penyelesaian yang sudah dipelajari sebelumnya),
terletak pada pembentukan tabel awal. Jika fungsi kendala menggunakan bentuk
pertidaksamaan ≥, perubahan dari bentuk umum ke bentuk baku memerlukan 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.

3
 Variabel buatan pada solusi optimal harus bernilai 0, karena variabel ini memang
tidak ada. Teknik yang digunakan untuk memaksa variabel buatan bernilai 0 pada solusi
optimal adalah dengan cara berikut:
• Penambahan variabel buatan pada fungsi kendala yang tidak memiliki variabel
slack, menuntut penambahan variabel buatan pada fungsi tujuan.
• 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.
• 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.

Teknik ini memberikan nilai koefisien yang sangat besar kepada variabel-variabel artifisial
dalam persamaan objective function. Nilai koefisien ini bertindak sebagai penalty dan
disebut Big-M. Nila ini perlu sangat besar agar algoritma simpleks berusaha
memprioritaskan menangani variabel artifisial ini terlebih dahulu. Setelah nilai artifisial ini
bernilai nol, maka suatu solusi feasible sudah tercapai dan variabel artifisial dapat dibuang
dari tabel simpleks.

Sebagai contoh apabila objective function yang asli sebagai berikut:

Max 2x1+9x2

maka persamaan tersebut diubah menjadi:

max 2x1+9x2−MS3−MS4

Keuntungan dari metode ini adalah algoritma simplex dapat dilanjutkan sebagaimana
metode simpleks yang biasa. Akan tetapi, penggunaan angka yang sangat besar dapat
mengakibatkan iterasi simplex yang tidak stabil karena galat pembulatan.

Metode Simpleks biasa dapat menyelesaikan persoalan  Pemrograman Linier Kanonik

yang mempunyai ciri – ciri :

- Semua variabel slack bertanda “+”

- Solusi basis awal sudah tersedia

4
Demikian juga pada soal  Pemrograman Linier Non Kanonik solusi basis awal tidak
otomatis tersedia  karena :

- Slack pada kendala ³  bertanda “-”

- Tidak ada slack pada kendala =
- Matriks Identitas tidak terbentuk, dan solusi basis awal tidak tersedia.

Untuk mengatasi masalah di atas, dibentuk variabel buatan (artificial) yang harus

memenuhi syarat – syarat sbb :

1. Variabel buatan ditambahkan pada kendala ³ dan =

2. Variabel buatan pada tabel awal sebagai basis
3. Variabel buatan pada tabel AKHIR harus NON BASIS
4. Perlu diberikan penalti “M” pada fungsi tujuan.

Dari uraian di atas bila disusun dalam langkah-langkah penyelesaian atau yang disebut
algoritma metode tersebut seperti yang terlihat di bawah ini.Algoritma Metode Simpleks
“M Besar”  (M adalah bilangan positif yang sangat besar) yaitu:

1. Rubah model Pemrograman linier  ke bentuk standar PL.

2. Tambahkan pada fungsi tujuan, variabel buatan dengan koefisien denda :
 Bila soal maksimum ®   – M
 Bila soal minimum ®   + M
3. ( Jumlah variabel buatan sama dengan jumlah kendala yang bertanda   ³  dan  =  )
4. Masukkan bentuk standar ke tabel awal variabel basis :
 Variabel slack untuk kendala £
 Variabel slack untuk kendala ³  dan  =
5. Lakukan test optimalitas dan ratio seperti pada metode simpleks biasa.

Secara ringkas, aturan yang dapat digunakan untuk memudahkan menyelesaikan

permasalahan.
5
 Penyesuaian Koefisien fungsi tujuan
Batasan
fungsi batasan
Maksimisasi Minimisasi

< Tambah slack 0 0

variabel

= Tambah artificial ‐M M
variabel

> Kurang slack 0 0

variabel

Dan tambah
artificial variable
‐M M

2.2 Formulasi model matematik metode Big M

F. tujuan : Maks/Min Z=c 1 x 1+c 2 x 2+....+c n x n
F Pembatas : a 11 x 1 +a 12 x 2+....a 1n x n ≤ b 1
a 21 x1 +a 22 x 2+....a 2n x n ≥ b 2
a m 1 x 1 +a m 2 x 2+....a mn x n ≥ b m
x 1, x 2,...., x n ≥ 0
2.3 Bentuk standar metode Big M pola maksimum
F tujuan : Maks Z= c 1 x 1 +c 2 x2 +....a 1n x n ≤ b 1
F Pembatas : a 11 x 1 +a 12 x 2+....a 1n x n+ S 1 ¿ b1
a 21 x1 +a 22 x 2+....a 2n x n - S2 + R2 ≥ b 2
a m 1 x 1 +a m 2 x 2+....a mn x n +S 1 ¿ b1
x 1, x 2 ,...., x n, S1, S2, R1,... Rn ≥0

2.4Contoh soal metode Big M pada pola maksimum

Contoh 1

Dik:

F. Tujuan :maks Z = 3 X 1 + 5 X 2

F. Pembatas : X 1 ≤ 4

2 X 2 ≤ 12

6
3 X 1 + 2 X 2 = 18

X1 , X2 ≥ 0

Bentukstandar :

F. Tujuan :maks Z = 3 X 1 + 5 X 2 + OS 1 +OS 2 - MR 3

F. Bembatas : X 1 + S1= 4

2 X 2 + S2 =12

3 X 1 + 2 X 2 + R3 = 18

X 1 , X 2 , S1 , S2 , R3 ≥ 0

R3 = 18 - 3 X 1 - 2 X 2

Makadiperolehfungsitujuan :

Maksimum Z = 3 X 1 + 5 X 2 - MR 3

= 3 X 1 + 5 X 2 – M(18 - 3 X 1 - 2 X 2)

= 3+ 5 X 2 – 18M + 3 MX 1 + 2 MX 2

= (3+3 M ¿ X 1 + (5+2 M ) X 2 – 18M

Z - (3+3 M ¿ X 1 - (5+2 M ) X 2 = 18M

ITERASI 0 EV

BASIS Z X1 X2 S1 S2 R3 SOLUSI

Z 1 (3+3 M ¿ (-5−2 M ¿ 0 0 0 -18M

S1 0 1 0 1 0 0 4

S2 0 0 2 0 1 0 12
R3 0 3 2 0 0 1 18

ITERASI 1

BASIS Z X1 X2 S1 S2 R3 SOLUSI

Z 1 0 (-5 (3+3 M ¿ 0 0 -6M +12

−2 M ¿

7
 X1 0 1 0 1 0 0 4
S2 0 0 2 0 1 0 12

R3 0 0 2 -3 0 1 6

ITERASI 2

BASIS Z X1 X2 S1 S2 R3 SOLUSI

Z 1 0 0 -9/2 0 (5/2 +M) 27

X1 0 1 0 1 0 0 4

S2 0 0 0 3 1 -1 6

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

ITERASI 3

BASIS Z X1 X2 S1 S2 R3 SOLUSI

Z 1 0 0 0 3/2 (1 +M) 36
X1 0 1 0 0 -1/3 1/3 2
S1 0 0 0 1 1/3 -1/3 2
x2 0 0 1 0 1/2 0 6

Solusi Optimal: X 1 = 2 X2 = 6 Z = 36

BAB 3

PENUTUP

3.1 Kesimpulan

Dari pembahasan soal tersebut kita dapat simpulkan bahwa :

1. Metode BIG M digunakan untuk kasus pada model persamaan fungsi pebatas belum

memuat matrik identitas

2. Pada kasus tersebut perlu ditambahkan artificial variabel (variabel buatan) R1,R2.R3.

3. Dalam fungsi Z, koefisien artificial variabel diisi dengan :

- M untuk kasus maksimasi

8
 + M untuk kasus minimasi

4. Dengan ketentuan adalah bilangan yang besar sekali

3.2 Saran

Penulis menyadari tentang penyusunan makalah ini tentu masih banyak kesalahan

dan kekurangannya, karena keterbatasan pengetahuan dan kurangnya rujukan atau

referensi yang ada hubungannya dengan materi ini. Penulis banyak berharap para pembaca

dapat memberikan saran yang membangun kepada penulis demi sempurnanya makalah ini

dan penulisan makalah dikesempatan berikutnya. Semoga makalah ini berguna bagi

penulis pada khususnya juga para pembacanya.

DAFTAR PUSTAKA

Dimyati,T.T. dan A. Dimyati. 1992. Operations Research. ModelModel

Pengambilan Keputusan. Sinar Baru. Bandung
Mulyono, S. 1999. Operations Research. Lembaga Penerbit Fakultas
Ekonomi Universitas Indonesia. Jakarta
Nasedi, B. D. dan Anwar. 1998. Program Linier dan Variasinya. PT Gramedia.
Jakarta