Program Linier

DAFTAR ISI
DAFTAR ISI ............................................................................................................................ i

BAB I ....................................................................................................................................... 1
BAB II .................................................................................................................................... 10
BAB III ... ...............................................................................................................................
20
BAB IV .................................................................................................................................. 60
BAB V ....................................................................................................................................
64
BAB VI .................................................................................................................................. 96
0
i
BAB I
PROGRAM LINIER
1. Pengertian Program Linier

Dalam kegiatan produksi dan perdagangan, baik pada industri skala besar maupun
kecil tidak terlepas dari masalah laba yang harus diperoleh oleh perusahaan tersebut. Tujuan
utamanya adalah untuk memperoleh pendapatan yang sebesar-besarnya dengan
meminimumkan pengeluarannya (biaya bahan baku, biaya proses produksi, gaji karyawan,
transportasi, dan lain-lain). Untuk maksud tersebut biasanya pihak manajemen perusahaan
membuat beberapa kemungkinan dalam menentukan strategi yang harus ditempuh untuk
mencapainya. Misalnya, dalam memproduksi dua macam barang dengan biaya dan keuntungan
berbeda. Pihak perusahaan dapat menghitung keuntungan yang mungkin dapat diperoleh
sebesar-besarnya dengan memperhatikan bahan yang diperlukan, keuntungan per unit, biaya
transportasi, dan sebagainya. Untuk menyelesaikan masalah tersebut digunakan program linier.
Program linier diartikan sebagai cara untuk menyelesaikan suatu persoalan nilai
optimum (solusi optimum) dengan menggunakan metode matematik yang dirumuskan dalam
bentuk persamaan-persamaan atau pertidaksamaan-pertidaksamaan linier. Program linier juga
diartikan sebagai metode optimasi untuk menemukan nilai optimum dari fungsi tujuan pada
kondisi pembatasan- pembatasan (constraints) tertentu.
Pembatasan- pembatasan tersebut biasanya keterbatasan yang berkaitan dengan sumber
daya seperti:
a. Bahan mentah
b. Uang
c. Waktu
d. Tenaga kerja dll
Persoalan program linier dapat ditemukan pada berbagai bidang dan dapat digunakan
untuk membantu membuat keputusan untuk memilih suatu alternatif yang paling tepat dan
pemecahan yang paling baik (the best solution).
Aplikasi program linier misalnya untuk keperluan:
a. Realokasi sumber daya
b. Produksi campuran
c. Penjadualan
d. Keputusan investasi
1
e. Perencanaan produksi
f. Masalah transportasi, logistik dll
Untuk mendapatkan solusi optimum tersebut digunakan metode grafik yang
diterapkan pada program linier sederhana yang terdiri atas dua variabel dengan cara uji titik
pojok atau garis selidik pada daerah himpunan solusi.
Elemen program linier
Ada tiga elemen penting dalam program linier yaitu:
a. Variabel keputusan (decision variables): → adalah variabel yang nilai-

nilainya dipilih untuk dibuat keputusan.
b. Fungsi tujuan (objective function):

s 1 =60−24 adalah fungsi yang akan
dioptimasi (dimaksimumkan atau diminimumkan).
c. Pembatasan (constraint): → adalah pembatasan-pembatasan yang

harus dipenuhi.
Asumsi program linier
Penggunaan program linier untuk mendekati dan merepresentasikan situasi kehidupan nyata
menggunakan beberapa asumsi yaitu:
a. Proporsionalitas. Kontribusi masing-masing variabel keputusan terhadap fungsi tujuan
dan pembatasan-pembatasan adalah proporsional langsung terhadap nilai variabel
keputusan
b. Aditivitas. Kontribusi terhadap fungsi tujuan dan pembatasan-pembatasan untuk
beberapa variabel adalah independen dari variabel keputusan yang lain sehingga
kontribusi masing-masing variabel keputusan dapat digabungkan / ditambahkan
menjadi kontribusi total.
c. Divisibilitas. Variabel keputusan adalah kontinu sehingga dapat diambil nilai
fraksionalnya.
d. Deterministik. Semua parameter (fungsi tujuan, pembatasan-pembatasan, seluruh
koefisien) diketahui dengan pasti dan tetap tidak berubah selama dilakukan kajian atau
analisis.
Persoalan program linier
Persoalan program linier adalah persoalan optimasi yang memenuhi ketentuan berikut:
a. Fungsi tujuan merupakan fungsi linier dari variabel keputusan.
b. Nilaivariabel keputusan harus memenuhi pembatasan-pembatasan. Setiap pembatasan
harus berbentuk persamaan atau ketidaksamaan linier.
2
c. Setiap variabel keputusan harus dibatasi yaitu non negatif.
Tahapan Memformulasikan Persoalan program linier
Ada beberapa tahapan dalam memformulasikan persoalan program linier yaitu:
a. Memahami permasalahan secara keseluruhan apakah persoalan tersebut adalah
persoalan maksimum atau minimum.
b. Mengidentifikasi variabel keputusan.
c. Mendeskripsikan fungsi tujuan sebagai kombinasi linier dari variabel keputusan.
d. Mendeskripsikan pembatasan-pembatasan sebagai kombinasi linier dari variabel
keputusan.
e. Mengidentifikasi batas bawah dan batas atas variabel keputusan.
f. Mengekspresikan semua hasil identifikasi tersebut dalam formula metematika.
Langkah-langkah yang ditempuh untuk mendapatkan nilai optimum adalah sebagai berikut.
a. Ubahlah persoalan verbal ke dalam model matematika (dalam bentuk sistem
pertidaksamaan).
b. Tentukan Himpunan Solusi (daerah feasible).
c. Tentukan semua titik-titik pojok pada daerah feasible tersebut
d. Hitung nilai bentuk objektif untuk setiap titik pojok dalam daerah feasible.
Dari hasil pada langkah d, nilai maksimum atau minimum dapat ditetapkan.
Contoh:
1. Formulasikan persoalan program linier berikut.
Suatu perusahaan makanan akan memproduksi dua jenis makanan akan memproduksi
dua jenis makanan yaitu brownie kukus dan es krim coklat. Satu satuan brownie kukus
diperlukan bahan 4 ons coklat dan 2 ons gula. Sedangkan satu satuan es krim coklat
diperlukan diperlukan bahan 2 ons coklat dan 2 ons gula. Perusahaan tersebut
mempunyai mempunyai dua buah bahan mentah yaitu coklat murni dan gula yaitu
masing-masing 60 kg dan 48 kg. Harga satuan brownie kukus Rp 40.000 dan harga
satuan es krim coklat Rp 20.000. Berapa banyak brownie kukus dan es krim coklat
yang harus diproduksi supaya diperoleh hasil penjualan yang maksimum dengan
memanfaatkan semua bahan mentah tersebut.
Jawab:
Persoalan tersebut adalah persoalan memaksimumkan dengan variabel keputusan
brownie kukus dan es krim coklat.
Misalkan
s1=36 : banyaknya brownie kukus
3
Z=8x1+6x2+0s1+0s2 : banyaknya es krim coklat
Model matematikanya adalah:
Maks
40.000 x1  20.000 x2
Kendala
4 x1  2 x2  600
2 x1  2 x2  480
s 1 =0
2. Formulasikan persoalan program linier berikut:
Suatu perusahaan garmen akan memproduksi dua jenis pakaian yaitu baju dan celana.
Proses produksi meliputi memotong, menjahit dan pengepakkan. Perusahaan tsb
mempekerjakan 25 orang pada bagian memotong, 40 orang pada bagian menjahit dan 5
orang pada bagian pengepakkan. Semua tenaga kerja tsb bekerja 8 jam per hari selama
5 hari kerja seminggu.
Tabel berikut menunjukkan waktu yang diperlukan dan keuntungan per satuan untuk
pakaian tsb.
pakaian memotong menjahit pengepakan profit
Baju 1 2 0.2 80
Celana 2 2 0.1 120
Jawab:
Persoalan tersebut adalah persoalan memaksimumkan dengan variabel keputusan baju
dan celana.
Misalkan
4x1+2x2+s1=60 : baju
→ : celana
Maks
4 x 1 =60
Kendala →
x 1=15
2 x 1 +4 x 2 +s2 =48
→
4
Suatu perusahaan mobil akan memasang iklan di media cetak dan TV. Perusahaan tsb
memilih cara beriklan yg paling efektif shg biayanya minimum dan sasaran iklan
mencapai lebih dari 40 juta orang yg diantaranya 25 jt org berpendapatan lebih dari Rp
5 jt/ bulan. Biaya memasang iklan di media cetak sebesar RP 2M dan di TV Rp 8M.
Pembaca media cetak sebanyak 4 jt org dan penonton TV sebanyak 10 jt org. Diantara
pembaca media cetak terdapat 2 jt org berpendapatan lebih dari Rp 5 juta/ bln dan di
antara penonton TV terdapat 1 juta org berpendapatan lebih dari Rp 5 jt/ bulan.
Jawab:
Persoalan tersebut adalah persoalan meminimumkan dengan variabel keputusan media
cetak dan televisi.
Misalkan
2x1+s2=48 : media cetak
→ : televisi
Min
s 2 =48−30
Kendala →
s 2 =18
Z=8x1+6x2 +0s1+0s2
Seorang peternak memiliki 200 kambing yang mengkonsumsi 90 kg pakan khusus
setiap harinya. Pakan tersebut disiapkan menggunakan campuran jagung dan bungkil
kedelai dengan komposisi sbb.
Kg per kg bahan
Bahan
Kalsium Protein Serat Biaya(Rp/Kg)
Jagung 0.001 0.09 0.02 2000
Bungkil
0.002 0,6 0.006 5500
kedelai
Kebutuhan pakan kambing setiap harinya adalah paling banyak 1% kalsium, paling
sedikit 30% protein dan paling banyak 5% serat.
Jawab:
Persoalan tersebut adalah persoalan meminimumkan dengan variabel keputusan jagung
dan bungkil kedelai.
Misalkan Z=8(15)+6(0)+ (0)+ (18) : jagung
5
Z=120 : bungkil kedelai
Min
x 2= 0
Kendala
s 2 =0
2 x 1 +4 x 2 +s2 =48
→
2 x 1 =48
→
Suatu pabrik perakitan radio menghasilkan dua tipe radio yaitu HiFi-1 dan Hifi-2 pada
fasilitas perakitan yang sama. Lini perakitan terdiri dari 3 stasiun kerja. Waktu
perakitan masing-masing tipe pada masing-masing stasiun kerja adalah sebagai berikut:
Waktu perakitan per unit (menit)
Stasiun kerja
HiFi-1 HiFi-2
1 6 4
2 5 5
3 4 6
Waktu kerja masing-masing stasiun kerja adalah 8 jam per hari. Masing-masing stasiun
kerja membutuhkan perawatan harian selama 10%, 14% dan 12% dari total waktu kerja
(8 jam) secara berturut-turut untuk stasiun kerja 1,2 dan 3.
Jawab:
Persoalan tersebut adalah persoalan memaksimalkan dengan variabel keputusan HiFi-1
dan HiFi-2.
Misalkan
x1=24 : HiFi-1
4x1+2x2+s1=60 : HiFi-2
Waktu produktif masing-masing stasiun kerja adalah
 Stasiun 1: 480 menit-10%.480 menit = 480 menit– 48 menit = 432 menit
 Stasiun 1: 480 menit-14%.480 menit = 480 menit– 67.2 menit = 412.8 menit
 Stasiun 1: 480 menit-12%.480 menit = 480 menit– 57.6 menit = 422.4 menit.
Min →
6
Kendala
4 x 1 + s 1=60
→
s 1 =60− 96
→
Empat produk diproses secara berurutanpada 2 mesin. Waktu pemrosesan dalam jam
per unit produk pada kedua mesin ditunjukkan tabel di bawah ini:
Waktu per unit (jam)
Mesin Produk 1 Produk 2 Produk 3 Produk 4
1 2 3 4 2
2 3 2 1 2
Biaya total untuk memproduksi setiap unit produk didasarkan secara langsung pada jam
mesin. Asumsikan biaya operasional per jam mesin 1 dan 2 secara berturut-turut adalah
$10 dan $5. Waktu yang disediakan untuk memproduksi keempat produk pada mesin 1
adalah 500 jam dan mesin 2 adalah 380 jam. Harga jual per unit keempat produk secara
berturut-turut adalah $65, $70, $55 dan $45.
Jawab:
Persoalan tersebut adalah persoalan memaksimalkan dengan variabel keputusan jumlah
produk 1, 2, 3 dan 4 yang dihasilkan..
Misalkan
s1=−36 : jumlah produk 1 yang dihasilkan
s 1 : jumlah produk 2 yang dihasilkan
s1=0 : jumlah produk 3 yang dihasilkan
s2=0 : jumlah produk 4 yang dihasilkan

Keuntungan yang diperoleh dengan mengurangkan biaya dari pendapatan.
 Keuntungan per unit dari produk 1 = 4 x 1 + 2 x 2 + s1 =60
 Keuntungan per unit dari produk 2 = →
 Keuntungan per unit dari produk 3 = 4 x 1 + 2 x 2 =60
 Keuntungan per unit dari produk 4 = →

Maks
x 2=30 −2 x1
7
Kendala
2 x 1 + 4 x 2 + s2 = 48
→
2 x 1 +4 x 2 =48

Dua produk diproduksi menggunakan tiga mesin. Waktu masing-masing mesin yang
digunakan untuk memproduksi kedua produk dibatasi hanya 10 jam per hari. Waktu
produksi dan keuntungan per unit masing-masing produk ditunjukkan tabel di bawah
ini:
Waktu produksi (menit)
Produk
Mesin 1 Mesin 2 Mesin 3 Keuntungan ($)
1 10 6 8 2
2 5 20 15 3
Jawab:
Persoalan tersebut adalah persoalan memaksimumkan dengan variabel keputusan
produk 1 dan produk 2.
Misalkan → : produk 1
2x1+4(30−2x1)=48 : produk 2
Maks →
Kendala
2x 1+120−8 x 1=48
→
−6 x 1=−72
→
SOAL-SOAL LATIHAN
1. Sebuah pabrik obat ingin memproduksi suplemen dalam bentuk sirup dan tablet.
Suplemen dalam bentuk sirup memberikan harga jual Rp. 27.000/buah dengan biaya
bahan baku Rp. 14.000 dan biaya lain-lain Rp. 10.000. Suplemen dalam bentuk tablet
memberikan harga jual Rp. 21.000/kaplet dengan biaya bahan baku Rp. 10.000 dan
biaya lain-lain Rp. 9000. Pembuatan dilakukan dalam dua tahap yaitu pemrosesan dan
pengemasan. Suplemen sirup memerlukan waktu 2 jam pemrosesan dan 1 jam
8
pengemasan. Suplemen sirup memerlukan waktu 1 jam pemrosesan dan 1 jam
pengemasan. Ada keterbatasan jam kerja dalam setiap minggunya. Untuk pemrosesan
hanya 10 jam/minggu, sedangkan untuk pengemasan 8 jam/minggu. Formulasikan
masalah program linier ke dalam model matematiknya.
2. Untuk menjaga kesehatan seseorang harus memenuhi kebutuhan minimum perhari
terhadap beberapa zat makanan misalnya kalsium, protein dan vitamin A.
 Kebutuhan minimum kalsium perhari 8 mg
 Kebutuhan minimum protein perhari 10 mg
 Kebutuhan minimum vitamin A perhari 32 mg
Ketiga zat makanan terkandung pada 2 jenis makanan yaitu:
 Jenis 1 mengandung 5 mg kalsium, 2 mg protein dan 1 mg Vitamin A
 Jenis 2 mengandung 1 mg kalsium, 2 mg protein dan 5 mg Vitamin A
Adapun harga makanan setiap unitnya adalah jenis 1: Rp 500/buah, jenis 2: Rp
700/buah. Buat model matematikanya agar biaya yang dikeluarkan minimum.
3. Sebuah supplier rumah sakit memproduksi meja dan kursi untuk dokter. Setiap meja
dijual Rp. 200.000 dan setiap kursi dijual Rp. 100.000, ongkos pembuatan masing-
masing adalah 50% dari harga jual. Setiap meja dan kursi terdiri dari komponen besi
dan kayu. Pembuatan komponen besi pada meja membutuhkan waktu 2 jam, sedangkan
pada kursi 2 jam. Pembuatan komponen kayu pada meja membutuhkan waktu 6 jam,
sedangkan pada kursi 6 jam. Terdapat keterbatasan waktu 240 jam/hari untuk besi dan
480 jam/hari untuk kayu. Buat model matematikanya agar keuntungannya maksimum.
4. Seorang petani memerlukan paling sedikit 30 unit zat kimia A dan 24 unit zat kimia B
untuk pupuk kebun sayurnya. Kedua zat kimia itu dapat diperoleh dari pupuk cair dan
pupuk kering. Jika setiap botol pupuk cair yang berharga Rp20.000,00 mengandung 5
unit zat kimia A dan 3 unit zat kimia B, sedangkan setiap kantong pupuk kering yang
berharga Rp16.000,00 mengandung 3 unit zat kimia A dan 4 unit zat kimia B. Buatlah
model matematikanya, sehingga petani dalam membeli dua jenis pupuk tersebut
mengeluarkan biaya seminimal mungkin.
BAB II
METODE PENYELESAIAN SOLUSI GRAFIK
9
A. Solusi Grafik
1. Metode Titik Pojok
Salah satu metode pengoptimalan yang dapat digunakan adalah grafik. Fungsi
tujuan dan kendala permasalahan digambarkan menggunakan bantuan sumbu absis
(horizontal) dan ordinat (vertikal) grafik. Mengingat keterbatasan sumbu koordinat
grafik, solusi grafik hanya tepat digunakan untuk dua variabel keputusan.
Mengoptimalkan permasalahan dengan jumlah variabel keputusan lebih dari dua akan
dihadapkan pada kesulitan penggambaran dan penskalaan. Ini merupakan salah satu
kelemahan solusi grafik. Kelemahan lainnya, penskalaan harus dilakukan dengan teliti.
Kesalahan penskalaan akan mengakibatkan kesalahan penentuan solusi optimal.
Kelebihan solusi grafik di lain pihak adalah kemudahan penggunaannya. Kita hanya
perlu menggambarkan garis lurus yang mewakili fungsi pembatas dan fungsi tujuan
tanpa disertai perhitungan yang rumit. Meskipun solusi grafik tidak mungkin
digunakan dalam dunia nyata (variabel keputusan dan sumber daya yang membatasi
dalam kehidupan nyata bisa ratusan atau ribuan).
Solusi menggunakan solusi grafik dimulai dengan menggambarkan sumbu vertikal dan
horizontal yang mewakili alternative keputusan. Jika jumlah sumbu grafik yang
dibutuhkan sudah ditentukan maka langkah selanjutnya adalah menggambarkan daerah
solusi. Penggambaran daerah solusi dimulai dengan menggambarkan masing-masing
fungsi kendala ke dalam sumbu grafik yang sudah ditentukan. Setiap satu kendala akan
diwakili satu garis. Setelah garis yang mewakili terbentuk, berikutnya adalah
menggambarkan daerah solusi. Solusi grafik yang seperti tersebut di atas disebut
metode titik pojok.
Perhatikan kasus berikut dan tentukan solusi optimalnya:
Contoh
Tentukan nilai maksimum dan minimum dari Z = −6 x 1=−72 , dengan syarat:

→ , x 1=12 , x2=30−2x1 , →
Jawab:
Titik potong dengan sumbu X untuk pertidaksamaan x 2=30−2(12) adalah (0, 4) dan
(8,0)
Titik potong dengan sumbu Y untuk pertidaksamaan → adalah (0, 6) dan

(6,0)
Grafiknya
10
6
HP
6 8
Titik potong kedua garis adalah
x2=30−24 adalah (4,2)

Titik-titik pojoknya adalah
Titik Z =
→
(0,4) 12
(6,0) 30
(4,2) 26
(0,0) 0
Jadi nilai maksimumnya adalah 30 dan nilai minimumnya adalah 0

2. Metode Garis Selidik
Garis selidik adalah suatu garis yang digunakan untuk menyelidiki nilai
optimum (maksimum atau minimum) yang diperoleh dari fungsi sasaran atau fungsi
objektif. Nilai optimum (maksimum dan minimum) bentuk objektif dari himpunan
solusi sistem pertidaksamaan selain dengan menggunakan metode titik pojok dapat
juga dicari dengan menggunakan garis selidik. Langkah-langkah yang diperlukan untuk
mencari nilai optimum dengan menggunakan metode garis selidik adalah sebagai
berikut
a. Buatlah garis x 2=6 , dimana Z=8x1+6x2 +0s1+0s2 merupakan bentuk objektif
yang dicari nilai optimumnya. Untuk mempermudah, ambil Z=8(12)+6(6)+0(0)+0(0)
11
b. Buatlah garis-garis sejajar Z =132 , yaitu dengan cara mengambil k yang
berbeda atau menggeser garis x 1=12 ke kiri atau ke kanan.
 Jika
x 2=6 adalah garis yang paling kiri pada daerah solusi yang
melalui titik Z=132 , maka

Z =5 x 1 +3 x 2 merupakan nilai minimum.
 Jika
2 x 1 +x 2 ≥3 adalah garis yang paling kanan pada daerah solusi yang
melalui titik
x 1+x 2≥2 , maka x 1 , x 2 ≥0 merupakan nilai maksimum
bentuk objektif tersebut.
Contoh
Dengan menggunakan garis
selidik, tentukan nilai maksimum
dan minimum dari fungsi objektif
x 1 ,x 2 , s1 , dan s2 pada daerah feasible
yang ditunjukkan oleh gambar di
samping
Jawab fungsi objektif yang diketahui yaitu
Untuk menentukan Z=5x 1 +3 x 2+0s 1+0s 2 , dan dinamai
maksimum dan minimum yang
dengan garis g.
pertama dilakukan adalah dengan
membuat persamaan garis dari
Geserlah garis g sehingga memotong daerah
feasible di titik yang paling kiri, yaitu garis

2x1+x2−s1=3 yang merupakan garis yang sejajar
dengan garis g dan tepat melalui titik (1,2). Dengan demikian nilai minimum Z adalah
12
x 1 + x 2−s 2=2 . Sedangkan garis x1,x2, s1,s2≥0 merupakan garis yang paling kanan dan
tepat melalui titik (5, 4). Dengan demikian nilai maksimum Z adalah
x 1=0
Aplikasi Geogebra:
1. Penyelesaian solusi grafik metode titik pojok dengan:

→ , x 1=12 , x2=30−2x1 , →
Langkah-langkah
1.
Buka halaman Geogebra
2.
Tuliskan di kotak input
a. f ( x)  5 x  3 y
Fungsi
b. x  2y  8
Tulis pertidaksamaan
c. x y 6
d. x0
e. y0
f. Berikan tanda titik sudut di setiap pojoknya dengan mengklik
tanda
g. Tampilkan spreadsheet dengan mengklik view-spreadsheet
h. Jika menginginkan daerah fisibelnya yang tidak diarsir maka

dapat dilakukan dengan klik kanan di inequality object
properties-style-inverse filling.
2. Solusi grafik dengan metode garis selidik
→ , x 1=12 , x2=30−2x1 , →
Langkah-langkah:
a. Buat grafik penyelesaian seperti pada metode titik pojok
b. Buat garis selidik dengan semisal input k=2
Pertebal garis selidik dengan klik kanan pada garis selidik object
properties
c. Agar garis selidik dapat digerakkan maka harus dimunculkan slider
dengan cara klik kanan aljabar pilih show object
Klik kanan pada slider dan atur nilai max dan min yang akan
mengatur pergerakan garis selidik
d. Memunculkan nilai Z yang akan dimaksimalkan sebagai tex.
SOAL-SOAL LATIHAN
1. Tentukan solusi optimal model matematik di bawah ini secara manual dan menggunakan
geogebra
Maksimumkan
x 2= 0
Subjec to
2x1+x2−s1=3
→
s 1 =−3
x 1+x 2−s 2=2
2. Tentukan solusi optimal model matematik di bawah ini secara manual dan menggunakan
geogebra
Minimumkan
Z  0.4 x1  0.5 x2
s 2 =−2
Subjec to
x 1=0
s 1 =0
2x 1+x2−s1=3
3. Seorang penjahit akan membuat pakaian jadi dengan persedian kain polos 20 meter dan
kain bergaris 10 meter. Model A membutuhkan 1 meter kain polos dan 1,5 meter kain
bergaris. Model B membutuhkan 2 meter kain polos dan 0,5 meter kain bergaris.
Keuntungan pakaian model A sebesar Rp15.000,00 dan pakaian model B sebesar
Rp10.000,00. Tentukan keuntungan optimum penjahit tersebut.
4. Seorang agen sepeda bermaksud membeli 25 buah sepeda untuk persediaan. Harga
sepeda biasa Rp 600.000 per buah dan sepeda federal Rp800.000 per buah. Ia
merencanakan untuk tidak membelanjakan uangnya lebih dari Rp16.000.000 dengan
mengharap keuntungan Rp100.000 per buah dari sepeda biasa dan Rp120.000 per buah
dari sepeda federal. Buatlah model matematikanya dan berapa keuntungan maksimalnya.
5. Sebuah pesawat terbang mempunyai kapasitas tempat duduk tidak lebih dari 48 orang.
Setiap penumpang kelas utama dapat membawa bagasi seberat 60 kg dan kelas ekonomi
20 kg, sedangkan pesawat tersebut mempunyai kapasitas bagasi tidak lebih dari 1.440
kg. Apabila harga tiket untuk kelas utama dan ekonomi masing-masing adalah
Rp1.000.000,00 dan Rp500.000,00 per orang, tentukan banyaknya penumpang setiap
kelas agar hasil penjualan tiket maksimum.
6. Kebutuhan gizi minimum tiap pasien suatu rumah sakit per harinya adalah 150 unit
kalori dan 130 unit protein. Apabila dalam tiap kilogram daging mengandung 500 unit
kalori dan 200 unit protein, sedangkan setiap ikan basah mengandung 300 unit kalori dan
400 protein dengan harga masing-masing kilogramnya adalah Rp40.000,00 dan
Rp20.000,00. Tentukan biaya minimum untuk kebutuhan 100 pasien tiap harinya pada
rumah sakit tersebut.
7. Seorang pemborong merencanakan membangun 2 tipe rumah dengan ukuran T.50 dan
T.70. Untuk itu, ia meminta uang muka masing-masing 1 juta untuk rumah T.50 dan 2
juta untuk T.70 dan ia mengharapkan uang muka yang masuk paling sedikit 250 juta
rupiah dari paling sedikit 150 buah rumah yang hendak dibangunnya. Biaya pembuatan
tiap rumah adalah 50 juta untuk T.50 dan 75 juta untuk T.70. Tentukan biaya minimal
yang harus disediakan untuk membangun rumahrumah tersebut.
8. Suatu perusahaan mengeluarkan sejenis barang yang diperoduksi dalam tiga ukuran,
yaitu ukuran besar, ukuran sedang dan ukuran kecil. Ketiga ukuran itu dihasilkan dengan
menggunakan mesin I dan mesin II . Mesin I setiap hari menghasilkan 1 ton ukuran
besar, 3 ton ukuran sedang dan 5 ton ukuran kecil. Mesin II setiap hari menghasilkan
masing-masing ukuran sebanyak 2 ton. Perusahaan itu bermaksud memperoduksi paling
sedikit 80 ton ukuran besar, 160 ton ukuran sedang dan 200 ton ukuran kecil. Bila biaya
operasi mesin I adalah Rp500.000,00 tiap hari dan mesin II adalah Rp400.000,00 tiap
hari. Dalam berapa hari masing-masing mesin bekerja untuk pengeluaran biaya sekecil-
kecilnya dan berapa biaya tersebut.
9. Sebuah pabrik ingin memproduksi suplemen dalam bentuk sirup dan tablet. Suplemen
dalam bentuk sirup memberikan harga jual Rp. 27.000/ buah dengan biaya bahan baku
Rp. 14.000 dan biaya lain-lain Rp.10.000. Suplemen dalam bentuk tablet memberikan
harga jual Rp.21.000/kaplet dengan biaya bahan baku Rp.10.000 dan biaya lain-lain
Rp.9.000. Pembuatan dilakukan dalam dua tahap yaitu pemrosesan dan pengemasan.
Suplemen sirup memerlukan waktu 2 jam pemrosesan dan 1 jam pengemasan. Suplemen
tablet memerlukan 1 jam pemrosesan dan 1 jam pengemasan. Ada keterbatasan jam kerja
dalam setiap minggunya. Untuk pemrosesan hanya 100 jam/minggu, sedangkan untuk
pengemasan hanya 80 jam/minggu. Dari pengamatan pasar terdapat informasi kebutuhan
tablet tak berhingga, sedangkan kebutuhan sirup 40 buah/minggu. Berapa buah suplemen
sirup dan tablet yang harus diproduksi dalam setiap minggu agar keuntungan maksimum.
10. Perusahaan MALINDO ARSHA DANA akan membuat almari dan rolling
door.keuntungan yang diperoleh dari satu unit almari adalah $ 15,sedangkan keuntungan
yang diperoleh satu unit rolling door adalah $25.namun untuk memperoleh keuntungan
tersebut perusdahaan MALINDO ARSHA DANA menghadapi kendala keterbatasan jam
kerja.untuk pembuatan satu unit almari memerlukan 4 jam kerja,sedangkan untuk
pembuatan rolling door memerlukan 6 jam kerja.untuk pengecatan satu unit almari
memerlukan waktu 3 jam kerja,dan untuk pengecatan rolling door memerlukan waktu 5
jam kerja.jumlah jam kerja yang tersedia untuk pembuatan almari dan rolling door
adalah 360 per bulan.sedangkan jumlah jam kerja untuk pengecatan adalah 260 jam per
bulan.berapa jumlah almari dan rolling door yang sebaiknya diproduksi agar keuntungan
perusahaan maksimum ?
BAB III
METODE SIMPLEX
A. Istilah-istilah
Metode grafik tidak dapat menyelesaikan persoalan linear program yang memilki
variabel keputusan yang cukup besar atau lebih dari dua, maka untuk menyelesaikannya
digunakan Metode Simpleks. Penentuan solusi optimal dengan simpleks dilakukan tahap
demi tahap yang disebut dengan iterasi. Iterasi ke-i tergantung dari iterasi sebelumnya (i-
1).
Ada beberapa istilah yang sangat sering digunakan dalam metode simpleks,
diantaranya iterasi, variabel non basis, variabel basis, kolom pivot, baris pivot, elemen
pivot, variabel masuk, variabel keluar. Masing-masing pengertian dari istilah tersebut
sebagai berikut:
1. Iterasi adalah tahapan perhitungan di mana nilai dalam perhitungan itu tergantung
dari nilai tabel sebelumnya.
2. Variabel non basis adalah variabel yang nilainya diatur menjadi nol pada sembarang
iterasi. Dalam terminologi umum, jumlah variabel non basis selalu sama dengan
derajat bebas dalam sistem persamaan.
3. Variabel basis adalah variabel yang nilainya bukan nol pada sembarang iterasi.
Pada solusi awal, variabel basis merupakan variabel slack (jika fungsi kendala
menggunakan pertidaksamaan → ) atau variabel buatan (jika fungsi kendala
menggunakan pertidaksamaan x 2=3 atau =). Secara umum, jumlah variabel basis
selalu sama dengan jumlah fungsi pembatas/ kendala (tanpa kendala non negatif).
4. Solusi atau nilai kanan adalah nilai sumber daya pembatas yang masih tersedia.
Pada solusi awal, nilai kanan atau solusi sama dengan jumlah sumber daya
pembatas awal yang ada, karena aktifitas belum dilaksanakan.
5. Variabel slack adalah variabel yang ditambahkan ke model matematika yang
kendala untuk mengkonversikan pertidaksamaan x1+x2−s2=2 menjadi persamaan ( = ).
Pada solusi awal, variabel slack akan berfungsi sebagai variabel basis.
6. Variabel surplus adalah variabel yang dikurangkan dari model matematik kendala
untuk mengkonversikan pertidaksamaan → menjadi persamaan ( = ). Pada solusi
awal, variabel surplus tidak bisa berfungsi sebagai variabel basis.
7. Variabel buatan/ artificial adalah variabel yang ditambahkan yang ditambahkan ke
model matematika kendala dengan bentuk x2−s2=2 atau = untuk difungsikan sebagai
variabel basis awal. Variabel ini harus bernilai nol pada solusi optimal, karena
kenyataannya variabel ini tidak ada. Variabel hanya ada di atas kertas.
8. Kolom pivot adalah kolom yang memuat variabel masuk. Koefisien pada kolom ini
akan menjadi pembagi nilai kanan untuk menentukan baris pivot.
9. Baris pivot adalah salah satu baris antara variabel basis yang memuat variabel
keluar.
10. Elemen pivot adalah elemen yang terletak pada perpotongan kolom dan baris pivot.
11. Variabel masuk adalah variabel yang terpilih untuk menjadi variabel basis pada
iterasi berikutnya.
12. Variabel keluar adalah variabel yang keluar dari variabel basis pada iterasi
berikutnya dan digantikan oleh variabel masuk.
B. Bentuk Baku
Sebelum melakukan perhitungan iteratif untuk menentukan solusi optimal
terlebih dahulu model matematika dirubah menjadi bentuk baku, dengan merubah fungsi
kendala ke dalam bentuk persamaan dengan menyertakan variabel basis awal. Variabel
basis awal menunjukkan status sumber daya pada kondisi sebelum ada aktifitas yang
dilakukan, dengan kata lain variabel keputusannya masih bernilai 0. Ada beberapa hal
yang harus diperhatikan dalam membuat bentuk baku, yaitu:
1. Fungsi kendala dengan tanda pertidaksamaan → dalam bentuk umum, dirubah
menjadi persamaan (=) dengan menambahkan satu variabel slack.
2. Fungsi kendala dengan tanda pertidaksamaan −s2=2−3 dalam bentuk umum, dirubah
menjadi persamaan (=) dengan menambahkan satu variabel surplus.
3. Fungsi kendala dengan tanda persamaan dalam bentuk umum, ditambahkan satu
variabel artificial (variabel buatan).
Perhitungan iteratif metode simpleks dilakukan dengan tabel, dengan cara bentuk baku
yang sudah diperoleh harus dituangkan ke dalam bentuk tabel.
C. Langkah-langkah Solusi dengan metode simpleks

1. Periksa apakah tabel layak atau tidak. Kelayakan tabel simpleks dilihat dari solusi
(nilai kanan). Jika solusi ada yang bernilai negatif maka tabel tidak layak. Tabel
yang tidak layak tidak bisa diteruskan untuk dioptimalkan.
2. Tentukan kolom pivot. Penentuan kolom pivot dilihat dari koefisien fungsi tujuan
dan bentuk tujuan.
a. Jika tujuan berupa maksimasi, maka kolom pivot adalah kolom dengan koefisien
fungsi tujuan negatif terbesar.
b. Jika tujuan berupa minimasi, maka kolom pivot adalah kolom dengan koefisien
fungsi tujuan positif terbesar.
Variabel pada kolom pivot menjadi variabel masuk basis menggantikan variabel
yang keluar basis.
3. Variabel keluar ditentukan dari rasio nilai kanan dengan elemen pada kolom pivot
yang bersesuaian. Variabel keluar dipilih yang rasionya terkecil. Jika nilai negatif
terbesar (untuk tujuan maksimasi) atau nilai positif terbesar (untuk tujuan minimasi)
lebih dari satu maka dipilih salah satu secara sembarang.
4. Tentukan baris pivot. Baris pivot ditentukan setelah membagi nilai kanan dengan
elemen kolom pivot yang bersesuaian (nilai yang terletak dalam satu baris). Baris
pivot adalah baris dengan rasio pembagian terkecil.
5. Tentukan elemen pivot. Elemen pivot merupakan nilai yang terletak pada
perpotongan kolom dan baris pivot.
6. Bentuk tabel simpleks baru. Tabel simpleks baru dibentuk dengan pertama kali
menghitung nilai baris pivot baru, sedangkan baris pivot baru ditentukan dengan
membagi baris pivot lama dengan elemen pivot. Baris baru lainnya ditentukan
dengan baris lama dikurangi dengan elemen pivot pada baris yang bersangkutan
dibagi dengan elemen pivot kemudian dikalikan dengan baris pivot baru.
7. Periksa apakah tabel sudah optimal. Keoptimalan tabel dilihat dari koefisien fungsi
tujuan (nilai pada baris Z).
a. Untuk tujuan maksimasi, tabel sudah optimal jika semua nilai pada baris Z sudah
positif atau nol.
b. Untuk tujuan minimasi, tabel sudah optimal jika semua nilai pada baris Z sudah
negatif atau nol. Jika belum kembali ke langkah nomor 2, jika sudah optimal
baca solusi optimalnya.
D. Model Umum Metode Simpleks.
1. Kasus Maksimisasi.
Fungsi Tujuan : Maksimumkan
Z – C1X1-C2X2- . . . . . –CnXn-0S1-0S2-. . .-0Sn = NK
Fungsi Pembatas :
a11X11+a12X12+. . . .+a1nXn+ S1+0S2+. . .+0Sn = b1
a21X21+a22X22+. . . .+a2nXn+ 0S1+1S2+. . .+0Sn = b2
……. …….. ……. ….. ….. …. …..= …
am1Xm1+am2Xm2+. . . .+amnXn+ S1+0S2+. . .+1Sn = bm
Var. Kegiatan Slack Var
2. Kasus Minimisasi
Fungsi Tujuan : Minimumkan
Z – C1X1-C2X2- . . . . . –CnXn-0S1-0S2-. . .-0Sn = NK
Fungsi Pembatas :
a11X11+a12X12+. . . .+a1nXn - S1 -0S2-. . . - 0Sn = b1
a21X21+a22X22+. . . .+a2nXn - 0S1-1S2 -. . . - 0Sn = b2
……. …….. ……. ….. ….. …. …..= …
am1Xm1+am2Xm2+. . . .+amnXn- S1- 0S2 -. . . -1Sn = bm
var.kegiatan Surplus var.
Contoh:
Maksimumkan →
Kendala:
s 2 =1
Z=5x1+3x2+0s1+0s2
Z=5(0)+3(3)+0(0)+0(1)
Jawab:
Bentuk baku dari persoalan maksimum tersebut,
Maksimumkan Z =9
Kendala
x 1=0
s 2 =0
x 1 +x 2−s 2=2
Iterasi ke-0
B → x2=2 2x1+x2−s1=3 → NK
Baris x2−s1=3 2 1 1 0 5 NK 5
  2,5 (min)
pivot a11 2
→ 1 1 0 1 3 NK 3
 3
s1=x2−3 -3 a21 1
-2 0 0 0
Angka pivot
Paling minimum, jadi

kolom pivot
Kolom pivot pada tabel iterasi ke-0 adalah kolom kedua, karena pada baris
Z mempunyai nilai negatif terbesar, sehingga variabel masuk adalah → .

Baris pivot pada tabel 1 adalah baris kedua, karena mempunyai rasio yang
terkecil, sehingga variabel keluar adalah

s1=2−3 .
Angka pivot adalah 2, karena perpotongan kolom pivot dengan baris pivot.
Nilai baru pada tabel simpleks kedua sbb:
Baris 1.
→ =
s 1 =−1 =
s1
Baris 2.
x 2=0
=
s 1 =0 2x 1+x 2 −s1 =3
=
→
=
2 x 1 =3
Baris 3.
→
=
x 1=1,5 x 1 +x 2−s 2=2
=
→
=
x 1−s2 =2
Iterasi ke-1
B → s2=x1−2 → s2=1,5−2 NK
x1
1 → s2=−0,5 0 s2
Baris
pivot
x2=0
0 s2=0 x1+x2−s2=2 1 →
x 1=2
0 2x1+x2−s1=3 3
2
0 2(2)−s1=3
Angka
pivot
Paling minimum, jd
baris kunci
Kolom pivot pada tabel iterasi ke-1 adalah kolom ketiga, karena pada baris Z
mempunyai nilai negatif terbesar, sehingga variabel masuk adalah → .

Baris pivot pada tabel 1 adalah baris ketiga, karena mempunyai rasio yang terkecil,
sehingga variabel keluar adalah

s1=1 .
Angka pivot adalah

Z=5x1+3x2+0s1 2 , karena perpotongan kolom pivot dengan baris pivot.
Nilai baru Tabel Simpleks 3 dengan angka pivot Z=5(2)+3(0)+0(1)+0(0) Z=10

Baris 1.
s 1 =0
=
s 2 =0 -
2x1+x2−s1=3 →
=
2x 1+x 2=3 -
→
=
x 2=3−2 x1
Baris 2.
x1+x2−s2=2 → x 1 +x 2=2
=
→
Baris 3.
x1+(3−2x1 )=2
=
→ -
−x1=−1 →
=
x 1=1 +
x 2=3−2 x1
= →
Iterasi ke-2
B x2=3−2(1) → x2=1 Z = 5 x 1 + 3 x 2+ 0 s 1+ 0 s 2 H
x1 1 0 1 -1 2
Z=5(1)+3(1)+0( )+0( ) 0 1 -1 2 1
0 0 1 1 8
Z=8
Pada Tabel Simpleks ietrasi ke-2, pemecahan dasar sudah memberikan solusi optimum,
sehingga perhitungan iterasi dihentikan. Jadi solusi optimum diperoleh x 1=1
dengan
x 2=1 dan Z=8 .
D. Membaca tabel optimal
Membaca tabel optimal merupakan bagian penting bagi pengambil keputusan.
Ada beberapa hal yang bisa dibaca dari tabel optimal:
 Solusi optimal variabel keputusan
 Status sumber daya
 Harga bayangan (dual/ shadow prices)
Dengan menggunakan tabel optimal pada contoh di atas:
B x1 x2 s1 s2 H
x1 1 0 1 -1 2
x2 0 1 -1 2 1
Z 0 0 1 1 8
Z=3x +2x
Solusi optimal: x1 = 2, 1 2 = 1, dan Z = 8, artinya untuk mendapatkan keuntungan
makasimal sebesar $8, maka perusahaan sebaiknya memproduksi produk 1 sebanyak 2
unit dan produk 2 sebanyak 1 unit.
Status sumber daya: Sumber daya pertama dilihat dari keberadaan variabel basis awal
dari setiap fungsi kendala pada tabel optimal. Berdasarkan tabel optimal di atas
2x1+x2≤5 =
x1+x2≤3 = 0 maka dapat disimpulkan bahwa kedua sumber tersebut habis terpakai.
E. Metode Big M
Dalam pembentukan model matematika sering didapati adanya fungsi kendala
dengan tanda pertidaksamaan ” x 1,x2≥0 ” atau ”=”. Fungsi kendala dengan tanda
pertidaksamaan ” Z=3x1+2x2+0 s1+0s2 ” mempunyai variabel surplus dan tidak ada variabel slack.
Variabel surplus tidak bisa jadi variabel basis awal, sehingga dibutuhkan satu variabel
baru yang dapat berfungsi sebagai variabel basis awal. Variabel yang dapat berfungsi
sebagai variabel basis awal hanya variabel slack dan variabel artificial (variabel buatan).
1. Jika semua fungsi kendala menggunakan tanda pertidaksamaan 2x1+x2+s1=5 maka semua
variabel basis awalnya adalah variabel slack.
2. Jika semua fungsi kendala menggunakan tanda pertidaksamaan x1+x2+s2=3 dan atau x1,x2, s1,s2≥0
maka semua variabel basis awalnya adalah variabel slack dan atau variabel buatan.
Solusi solusi optimal untuk kasus seperti ini dilakukan dengan memilih antara
metode Big M, Dua Fase atau Dual Simpleks.
3. Jika fungsi kendala menggunakan tanda persamaan maka variabel basis awalnya
adalah variabel buatan. Solusi solusi optimal untuk kasus seperti ini hanya dapat
dilakukan dengan memilih antara metode Big M atau Dua Fase.
Perbedaan metode Big M dengan primal simpleks biasa terletak pada pembentukan tabel
awal simpleks. Jika fungsi kendala menggunakan tanda pertidaksamaan x1 , perubahan
dari bentuk umum ke bentuk baku memerlukan satu variabel surplus, sedangkan variabel
surplus tidak dapat dijadikan tidak dapat berfungsi sebagai variabel basis awal karena
koefisiennya bertanda negatif. Sebagai variabel basis awalnya adalah variabel buatan
yang ditambahkan pada bentuk bakunya. Variabel buatan pada solusi optimal harus
bernilai 0 karena variabel ini memang tidak ada, keberadaanya hanya di atas kertas.
Cara yang digunakan untuk membuat variabel buatan bernilai 0 pada solusi optimal
adalah sebagai berikut:
 Penambahan variabel buatan pada fungsi kendala yang tidak memiliki variabel
slack.
 Jika fungsi tujuan adalah maksimasi maka koefisien variabel buatan pada fungsi
tujuan adalah  M .
 Jika fungsi tujuan adalah minimasi maka koefisien variabel buatan pada fungsi
tujuan adalah  M
 Karena koefisien variabel basis pada tabel simpleks harus bernilai 0, maka
variabel buatan pada fungsi tujuan
Contoh:
Minimumkan
x2
Dengan kendala
s1
s2
x1  x2  10
Jawab:
Bentuk baku:
Minimumkan
s 2
Dengan kendala Z
x1  3 x2  s2  A1  20
x1  x2  A2  10
b1
b'
1=
a11
1
= [2 1 1 0 5]
2
1 1 5
[ 1
2 2
0
2 ]
a 21
b'2 =b 2− ( b1 )
a 11
1
[1 1 0 1 3 ]−
2
[2 1 1 0 5]
1 1 5
[1 1 0 1 3 ]− 1
[ 2 2
0
2 ]
1 1 1
[ 0
2
-
2
1
2 ]
Fungsi tujuan berubah menjadi:
Tabel 1 simpleks:
B
a
b'3=b3− 31 (b1) [−3 -2 0 0 0]+3 [ 2 1 1 0 5] [−3 -2 0 0 0]+ 3 3 3 0 15
[] [ ] 1 1 15
0- 0 NK Rasio
a11 2 S2 22 2 22 2
x1 2 1 1 0 0 0 16 16
x2 1
3
0 -1 1 0
20
s1
s2 10 10
1 1 0 0 0 1
5
1 1
Z 2 2 0 -M 0 0 2
Tabel 2
B s2 1
−
1 1
Z NK Rasio
2 2 S2 2
−
1
2
1
2
0 1
1
2
15
- 2
0 x2 s2
15 a12
1
2 a2 = 1 0
- 2
1
2
0 b'1=b1− (b2)
a22 20
[ ] 11 5 1
1 11 1 11 5 5
1 0
22 2
1
2
2
0 0
2 []
0 -1
- 22 2
1 [ ]
1 0
22 2
2M  3 M 3 3  4M 10M  60
Z 0 0 0
3 3 3 3
Tabel 3
B
=
1
1
11 1
[ ]
0 -1
[ ]
0 1 -1 2
1 a
b'3=b3− 32 (b2 )
1 1 15
[ ]
0- 0 NK
2 22 2 2 S2 a22 22 2
−1
1
2
2
0 0 1 x1 11 1
[]
0 -1
22 2
1 1 15
[ ]
0- 0
22 2
1
11 1
[ ]
0 -1
22 2 0 1 0 x1 [0 0 1 8] x1 5
x2 1 0 0 [0 0 1 8] s1 s2 5
3  6M 3  2M 25
Z 0 0 0 1
6 2
Karena elemen pada baris Z sudah negatif semua maka tabel sudah optimal
F. Metode Dua Fase
Metode dua fase digunakan jika variabel basis awal terdiri dari variabel buatan.
Disebut sebagai metode dua fase karena proses optimasi dilakukan dalam dua tahap.
Tahap pertama merupakan proses optimasi variabel buatan, sedangkan proses optimasi
variabel keputusan dilakukan pada tahap kedua. Karena variabel buatan sebenarnya tidak
ada (hanya ada di atas kertas), maka tahap pertama dilakukan untuk memaksa variabel
buatan bernilai nol.
Contoh:
Minimumkan
Z  4 x1  x2
Dengan kendala
3x1  x2  3
x1
x2
s1
Bentuk baku:
Minimumkan
s2
Dengan kendala
x2
Z
x1
x2
Solusi dengan metode dua fase
Fase 1
Minimalkan
s1
Dengan kendala
s2
4 x1  3 x2  s1  A2  6
x1  2 x2  s2  4
x1 , x2 , s1 , s2  0
Dari kendala 1 diperoleh:
A1  3  3x1  x2
A2  6  4 x1  3x2  s1
A  A1  A2
=
3  3x1  x2  6  4 x1  3x2  s1
=
9  7 x1  4 x2  s1
A  7 x1  4 x2  s1  9
Tabel simpleksnya tampak sebagai berikut:
Tabel 1
B x1 x2 s1 A1 A2 s2 NK Rasio
3 3
A1 1 0 1 0 0 3 1
3
6
A2 4 3 -1 0 1 0 6  1.5
4
4
s2 1 2 0 0 0 1 4 4
1
A 7 4 -1 0 0 0 9
Tabel 2
1 1 1
x1 1 0 0 0 1 3
3 3 1
3
0 5 4 2 6
A2 -1 1 0 2 
5 5
3 -3 3
5 1 3 9
s2 0 0 0 1 3 
5 5
3 -3 3
5 7
A 0 -1 0 0 2
3 -3
Tabel 3
1 3 1 3
x1 1 0 0
5 5 -5 5
3 4 3 6
x2 0 1 0 Karena
-5 -5 5 5
A = 0
s2 0 0 1 1 -1 1 1 fase 1
A 0 0 0 -1 -1 0 0
3 6
x x s
menghasilkan solusi basis optimal 1 = 5 , 2 = 5 dan 2 = 1. Pada tahap ini variabel
buatan telah mencapai tujuan dan selanjutnya kolom variabel buatan dapat dihilangkan,
dan dilanjutkan ke fase 2.
Fase 2
Setelah penghapusan kolom variabel buatan, masalah asli menjadi :
Minimumkan
Z  4 x1  x2
1 3 3 1
x1  s1  x1   s1
Kendala 5 5 5 5
3 6 6 3
x2  s1  x2   s1
5 5 5 5
s1  s2  1
x1 , x2 , s1 , s2  0
Dengan mensubstitusikan fungsi kendala 1 dan kendala 2 ke persamaan tujuan
didapatkan:
Z  4 x1  x2
3 1  6 3 
 4   s1     s1 
5 5  5 5 
12 4 6 3
  s1   s1
5 5 5 5
18 1
  s1
5 5
1 18
Z  s1 
 5 5
tabel simpleks di fase 2 menjadi :

B x1 x2 s1 s2 NK Rasio
1 3
x1 1 0 0 3
5 5
3 6 -2
x2 0 1 0
-5 5 (diabaikan)
s2 1 1
0 0 1 1
1 18
Z 0 0 0
5 5
Karena soalnya minimasi maka tabel tersebut belum optimal dengan kolom kuncinya
adalah kolom
s1 . Perhitungan selanjutnya ditampilkan dalam tabel berikut ini:
B x1 x2 s1 s2 NK
1 2
x1 1 0 0
-5 5
3 9
x2 0 1 0
5 5
s1 0 0 1 1 1
1 17
Z 0 0 0
-5 5
2 9 17
x x s
Tabel tersebut sudah optimal. Solusi optimalnya adalah: 1 = 5 , 2 = 5 , 1 = 1 dan Z= 5 .
Metode Dual Simpleks
Metode dual simpleks dilakukan jika tanda pertidaksamaan pada fungsi kendala  dan
tidak ada tanda = dalam bentuk umum masalah program linier.
Langkah-langkah metode dual simpleks:
a. Merubah bentuk  menjadi  dengan mengalikan (-1)
b. Menentukan baris pivot yaitu yang nilai kanannya negatif terbesar
c. Menentukan kolom pivot dengan membagi angka pada baris Z dengan angka pada
baris pivot yang bersesuaian, kolom pivot adalah yang rasionya positif terkecil
d. Menetukan angka pivot
Contoh:
Minimumkan
Z  4 x1  x2
Dengan kendala
x1  x2  12
4 x1  3x2  6
x1 , x2  0
Semua kendala menggunakan tanda pertidaksamaan  . Kendala dengan tanda
pertidaksamaan  dapat diubah ke pertidaksamaan  dengan mengalikan kedua ruas

dengan angka -1, sehingga bentuk umum masalah program linier di atas menjadi:
Minimumkan
Z  4 x1  x2
Dengan kendala
 x1  x2  12
4 x1  3 x2  6
x1 , x2  0
Semua fungsi kendala sudah dalam bentuk pertidaksamaan  , maka untuk merubahnya
ke bentuk baku tinggal ditambahkan variabel slack yang berfungsi sebagai variabel basis
awal.
Bentuk baku sebagai berikut:
Minimumkan
Z  4 x1  x2  0 s1  0s2
Dengan kendala
 x1  x2  s1  12
4 x1  3 x2  s2  6
x1 , x2 , s1 , s2  0
Tabel 1
B x1 x2 s1 s2 NK
s1 -1 -12
-1 1 0
s2 -4 -3 0 1 -6
Z -4 -1 0 0 0
R 4 1 0
Tabel 2
B x1 x2 s1 s2 NK
x2 1 1 -1 0 12
s2 -1 0 -3 1 30
Z -3 0 -1 0 12
Tabel sudah mencapai optimum dan layak dengan Z = 12,

x1  0 dan x2  12
KASUS KHUSUS DALAM SIMPLEKS

Ada beberapa kasus khusus dalam metode simpleks, antara lain:
1. Jumlah solusi optimal yang lebih dari satu (alternative or multiple optimal
solutions)
2. Tidak ada solusi feasibel (infeasible LP)
3. LP yang tidak terbatas (unbounded): ada titik di dalam daerah feasibel dengan nilai
z →∞ (untuk kasus maks)
a. Solusi optimal lebih dari satu.
Solusi optimal masalah PL lebih dari satu (alternative optima) ditemui jika fungsi tujuan
sejajar dengan fungsi batasan. Sebagai contoh perhatikan contoh berikut:
Maksimumkan
Z  2 x1  4 x2
Dengan kendala
x1  2 x2  5
x1  x2  4
x1 , x2  0
Solusi:
Iterasi ke-0
B x1 x2 s1 s2 NK
s1 1 2 1 0 5
s2 1 1 0 1 4
Z -2 -4 0 0 0
Iterasi ke-1
B x1 x2 s1 s2 NK
1 1 5
x2 1 0
2 2 2
1 1 3
s2 0 1
2 -2 2
Z 0 0 2 0 10
Terlihat bahwa tabel pada iterasi ke-1 sudah maksimal dengan nilai maksimal Z = 10
5
x x
pada saat 1 = 0 dan 2 = 2 . Akan tetapi jika iterasi tersebut dilanjutkan dengan
memilih
x1 sebagai variabel masuk, maka akan didapatkan tabel sebagai berikut:
Iterasi ke-2
B x1 x2 s1 s2 NK
x2 0 1 1 -1 1
x1 1 0 -1 2 3
Z 0 0 2 0 10
Tampak pada tabel iterasi ke-2 nilai maksimum Z = 10 didapatkan pada saat
x1 = 3 dan
x2 = 1. Dalam praktek, pengetahuan akan solusi optimum lebih dari satu akan sangat
bermanfaat karena manajemen mempunyai kesempatan untuk memilih salah satu sesuai
dengan situasi yang dimiliki tanpa merusak nilai tujuan.
Bentuk baku:
Maksimumkan
Z  2 x1  4 x2  0 s1  0 s2
Dengan kendala
x1  2 x2  s1  5
x1  x2  s2  4
x1 , x2 , s1 , s2  0
Tabel 1
2 5
s1 1 1 0 5
2 =2.5
4
s2 1 1 0 1 4 4
1
Z -2 -4 0 0 0
Pada tabel 1, kolom pivotnya adalah kolom

x2 , dan baris pivotnya adalah baris s1
Tabel 2
B x1 x2 s1 s2 NK
1 1 5
x2 1 0
2 2 2
1 1 3
s2 0 1
2 -2 2
Z 0 0 2 0 10
5
x x
Pada tabel 2 didapatkan tabel sudah optimal dengan nilai optimal 1 = 0, 2 = 2 , Z =
10.
Jika iterasi tersebut dilanjutkan dengan memilih

x1 sebagai variabel masuk dan s2
sebagai variabel keluar maka akan didapatkan tabel 3 berikut:

Tabel 3
B x1 x2 s1 s2 NK
x2 0 1 1 -1 1
x1 1 0 -1 2 3
Z 0 0 2 0 10
Jadi solusi optimal kedua didapatkan dengan nilai optimal

x1 = 3, x2 = 1, Z = 10.
Dalam praktek pengetahuan tentang solusi optimum yang lebih dari satu akan sangat
bermanfaat karena manajemen mempunyai kesempatan untuk memilih salah satu
sesuai dengan situasi yang dimiliki tanpa harus merusak nilai tujuan.
b. Solusi tidak terbatas

Solusi tidak terbatas mengakibatkan nilai fungsi tujuan meningkat terus (untuk masalah
maksimasi) atau menurun terus tanpa batas (untuk masalah minimasi). Solusi tanpa
batas hanya mengindikasikan satu hal, yaitu model yang dibangun salah. Mendapatkan
keuntungan yang tidak terbatas tentunya tidak masuk akal. Untuk mendeteksi suatu
solusi tak terbatas yaitu jika semua koefisien pembatas variabel non basis bernilai (-)
atau 0 pada suatu iterasi.
Contoh:
Maksimumkan
Z  2 x1  x2
Dengan kendala
x1  x2  10
2 x1  40
x1 , x2  0
Solusi
Iterasi ke-0
s1 1
-1 1 0 10 10
s2 2 0 0 1 40 20
Z -2 -1 0 0 0
Iterasi ke-1
B x1 x2 s1 s2 NK
x1 1 -1 1 0 10
s2 0 2 -2 1 20
Z 0 -3 2 0 20
Jika iterasi ini diteruskan, tidak akan pernah berhenti. Nilai x akan meningkat terus.
Dari tabel awal sebenarnya sudah dapat dideteksi bahwa nilai tujuan akan meningkat
terus tanpa ada batas dengan memperhatikan koefisien dari

x2 yang bertanda (-) dan 0,
maka
x2 dapat betambah nilainya tanpa terbatas.
c. Degeneracy
Pada tabel simpleks, ada suatu kemungkinan saat akan menentukan variabel masuk
akan ditemukan rasio pembagian terkecil lebih dari satu sehingga dalam menentukan
variabel masuknya akan sembarangan. Jika hal ini terjadi satu atau lebih variabel basis
akan sama dengan nol pada iterasi selanjutnya. Solusi pada iterasi di mana satu atau
lebih variabel basis mempunyai nilai nol disebut sebagai degeneracy.
Degeneracy ada 2 macam yaitu degenercy tetap dan degeneracy temporer.
Contoh degenercy tetap
Maksimumkan
Z  3x1  9 x2
Dengan kendala
x1  4 x2  8
x1  2 x2  4
x1 , x2  0
Solusi simpleks kasus tersebut adalah:

Iterasi ke-0
s1 4
1 1 0 8 2
s2 1 2 0 1 4 2
Z -3 -9 0 0 0
Jika diperhatikan tabel di atas, ada dua kemungkinan yang akan menjadi baris pivot
sehingga ada dua kemungkinan yang akan menjadi variabel keluar yaitu
s1 atau s2 .
Jika dipilih
s1 maka iterasi selanjutnya adalah sebagai berikut:
Iterasi ke-1
1 1
x2 1 0 2 8
4 4
1 1
s2 0 1 0 0
2 -2
3 9
Z 0 0 18
-4 4
Nilai kanan
s2 menjadi nol dan tabel belum optimal. Variabel x1 menjadi variabel
masuk dan
s2 menjadi variabel keluar.
Iterasi ke-2
B x1 x2 s1 s2 NK
1
x2 0 1 0 2
-2
x1 1 0 -1 2 0
3 3
Z 0 0 18
2 2
Dari tabel di atas dapat dilihat bahwa iterasi ke-2 tidak merubah solusi optimal dari
iterasi ke-1, masing-masing itersi tersebut menghasilkan hasil yang sama yaitu nilai Z
= 18 (prosedur simpleks berulang untuk iterasi yang sama) dan variabel basis
x1 = 0
yang berarti telah terjadi degeneracy. Degeneracy tersebut bersifat tetap karena solusi
degenerat sudah muncul pada iterasi ke-1 dan tidak hilang sampai iterasi terakhir
(solusi sudah optimum).
Contoh degeneracy temporer/ tidak tetap.
Maksimumkan
Z  3x1  2 x2
Dengan kendala ¿
¿
¿
Z=3x 1+2x 2
Solusi:
Iterasi ke-0
B 2x1+x2≤5 x1+x2≤3 x1,x2≥0 Z=3x1+2x2+0s1+0s2 2x1+x2+s1=5 NK Rasio
x1+x2+s2=3 4 0
3 1 0 12 3
x1,x2,s1,s2≥0 0
4 1 0 1 8 2
x1 1
4 -1 0 0 8 2
0
Z -3 -2 0 0 0
Iterasi ke-1
B x2 s1 s2 s1 s2 NK Rasio
2 b1
b'1=
a11 =
Z 0 1 -1 0 4
2
1
11 5 a [ 1 1 0 1 3] −
1
2
=[ 2 1 1 0 5 ] 1 []
1 0
22 2
0
21
b'2=b2− (b1)
a1
0 2 2
=8
[ 1 1 0 1 3 ]− 1 1 1 0 5
[]
[ 2 1 1 0 5] 0 -2 0 -1 1 0 22 2 =
0
11 1 a31
Z 0 []
0 -1
- 22 2
0 b'3=b3− (b1)
a1
0 6
3
[−3 -2 0 0 0]+
Pada tabel iterasi ke-1 di atas, yang menjadi variabel masuk adalah 2 akan tetapi
[ 2 1 1 0 5] tidak bisa menjadi variabel keluar karena koefisien dari

[−3 -2 0 0 0]+ 3 3 3 0 15
[] 22 2 bernilai negatif,
1 1 15
sehingga yang menjadi variabel keluar adalah [ ]
0- 0
22 2 . Degeneracy muncul pada iterasi
ke-1 yaitu ditandai dengan adanya variabel basis yang bernilai 0. Dilanjutkan dengan
iterasi ke-2 sebagai berikut:
Iterasi ke-2
B x1 x2 s1 s2 1
2 NK
1
2 0 1
5
2 -
s2 0 2
-
1
2 1 0
−
1
1
2
0 Z
2
1
−
2 0 0 1 -2 1 4
Z 0 0
1
2
15
2
0 a22=
1
Pada iterasi ke-2 degeneracy sudah tidak ada nilai Z berubah dari 6 menjadi 2 .
Degeneracy yang seperti ini disebut degeneracy temporer.
d. Solusi tidak layak
Solusi tidak layak terjadi jika semua fungsi pembatas tidak dapat dipenuhi secara
simultan atau bersama-sama. Solusi tidak layak tidak akan pernah terjadi jika semua
a
fungsi kendala menggunakan pertidaksamaan pertidaksamaan b'1=b1− 12 (b2 )
a22 (asumsikan nilai
kanan adalah positif), karena variabel slack selalu memberikan solusi layak.
Dari sudut pandang praktikal solusi tidak layak dikarenakan pembentukan model
yang tidak benar, dimana beberapa pembatas saling bertentangan.
METODE SIMPLEKS YANG DIREVISI

Perhitungan iteratif pada simpleks yang telah dipelajari pada bab sebelumnya
membutuhkan waktu yang lebih lama dan kompleks. Perhitungan itu akan semakin
lama jika diselesaikan secara manual.
Bentuk Masalah Program Linier dalam Matriks adalah sebagai berikut:
1 1 5
Maksimumkan/Minimumkan [1 2 2
0
2 ]
1
1 1 1
Terhadap dan [0 ]
2
1 - 1
2 2 2 2
1 1 1
1
11 5
Di mana [ ] adalah vektor baris
0
22 2 [ 0
2
-
2
1
2 ] , sedangkan [ 1 0 1 -1 2 ] dan b'2=
b2
a22
1
11 1
adalah vektor kolom dengan:
=
1
2 dan
[ ]0 -1
22 2 1
dan [0 1 -1 2 2] adalah matriks
'
a 32
b3 =b 3− (b2 )
persa
a 22
Atau bentuk bakunya:
1 1 15
Maksimumkan/Minimumkan [ 0 -
2 2
0
2 ]
−1
2
Terhadap 1
2
1 1 15 1 1 1
1 1 1
Vektor [0 2 - 2 1 2] dipartisi menjadi [ 0 -
2 2
0
2 ] , di mana [ ]
0 - 1
2 2 2 adalah elemen [0 0 0 1 8] yang
menjadi variabel basis awal, sedangkan

x1 adalah elemen x2 yang lainnya.
Vektor s 1 juga dipartisi menjadi

s2 sesuai dengan cara membuat partisi
pada Vektor s 2 . Matriks Z terdiri dari vektor kolom

P1 , P2 , , Pn .
Jadi bentuk dasar ditulis dengan:
Maksimumkan Z  CX menjadi Z  CI X I  C II X II  0
Kendala ( A, I ) X  b karena X II bersesuaian dengan elemen-elemen Z=3x1+2x2 yang
berkaitan dengan basis awal 2x1+x2≤5 sehingga kendala menjadi

x 1 + x 2≤3
x 1 , x 2 ≥0
Di setiap iterasi anggaplah
X B mewakili variabel basis saat ini dan B basis yang
berkaitannya, berarti
X B mewakili m elemen dari X dengan B mewakili vektor (A, I)
yang berkaitan dengan
X B . Anggaplah CB adalah elemen [1 0 1 -1 0 2 ¿ ][0 1 -1 2 0 1 ¿ ] ¿
¿ yang berkaitan dengan
Z=8 . Sehingga:
x 1=2
x 2=1
Z=2x 1 +x 2
3x1+x2≥9 x1+x2≥6 x1,x2≥0
=
Z=2x1+ 2+0s1+0s2 3x1+x2−s1=9
=
x1+x2−s2=6
=
x1, x2,s1, s2≥0
s1 s2 Ri =
Z=2x1+x2+0s1+0s2+MR1+MR2
2x1+x2+0s1+0s2+MR1+MR 2−Z=0 3x1+x2−s1+R1=9 = x1+x2−s2+R2=6

Karena
x1,x2,s1,s2,R1, R2≥0 bersesuaian dengan elemen-elemen dari zj=CR yj−c j yang berkaitan dengan
basis awal C R=(M M) , sehingga iterasi simpleks umum dalam bentuk matriks sebagai
berikut:
Basis yj z1=CR y1−c1=(M M)¿(3¿)¿¿
¿
Solusi
z2=CR y2−c2=(M M)¿(1¿)¿¿ z3=C R y3−c3=( M M ) ¿ (−1¿) ¿ ¿ z5=C R y5−c5=( M M ) ¿ ( 1¿ ) ¿ ¿ z6=C R y6−c6=( M M ) ¿ (0 ¿ )¿ ¿
¿
¿ x1 x2 s1 s2 R1 R2 Z H
¿ ¿
z7=CR y7−c7=(M M)¿(0¿)¿¿ z8=CR y8−c8=(M M )¿(9 ¿)¿¿
11 1
[3 1 -1 0 1 0 0 9¿][1 1 0 -1 0 1 0 6¿] ¿¿
¿
[1 − 0 0 0 3¿][0 2 1 −3 −1 3 0 9¿]¿
33 3
¿ ¿ ¿ ¿
Langkah-langkah Solusi Metode Simpleks yang direvisi

1 1 1 1 313 9
[1 − 0 0 0 3¿][0 1 − 0 ¿]¿
3 3 3 2 232 2
1. Penentuan vektor masuk ¿
1 1 4 1
[1 0 - 0 32 ¿ 0 1 12 −32 −13 32 0 92 ¿ ¿
][ ]

6 2 9 2
Hitung ¿
15 3 9
Z= x 1= x 2=
 Untuk setiap vektor 2 non basis hitung 2 = 2
Untuk masalah maksimasi (minimasi) vektor ¿ dipilih dengan nilai
¿ paling negative (positif) (tentukan sembarang jika lebih dari satu
yang sama). Jika semua ¿ 3C+D maka solusi optimal sudah
dicapai. Dengan 3C+D≥40 dan 2C+2D≥60
2. Penentuan vektor keluar C≥0

 Nilai variabel basis saat ini: D≥0
 Koefisien pembatas variabel masuk: ¿

 Vector keluar baik untuk masalah maksimasi maupun minimasi adalah
¿ ¿ ¿
[2 1 16¿][1 2 1 ¿][1 3 15¿]¿¿ [2 1 1 30¿][1 2 3 50¿] ¿
Di mana ¿ dan ¿ adalah elemen ke- ¿30 dari ¿50 dan
Z=(30×6)+(2×540)+(1×80)+(14×360)+(12×80)+(12×630)+(18×270)+(4×720) . Jika semua  k  0 , maka permasalahan tersebut mempunyai solusi

j
yangtidak layak.
3. Penentuan basis berikutnya
1 1
Diberikan basis saat ini adalah B , hitung B next  EB
1
E adalah matriks identitas Z=(2×720)+(12×720)+(2×540)+(2×360)+(12×270)+(16×180)+(10×540)+(18×450) dengan elemen kolom Z=25.020 diganti oleh
nilai Z=(2×70)+12×80)+(×54 2360)+(12×450)18×270+(1×540)+(2×180)
Z = 25 . 0
4. Kembali ke langkah 1
Contoh:
Maksimumkan 1
Dengan kendala (1,2)⇒R1+K 2=2⇒0+K 2=2⇒K 2=2
(1,4 )⇒R1+K 4=12⇒0+K4=12⇒K 4=12
(3,4 )⇒R 3+K 4=12⇒R 3+12=12⇒R 3=0
(3,1)⇒R3+K1=2⇒0+K1=2⇒K1=2
Solusi:
Bentuk bakunya adalah:
Bentuk baku:
Maksimumkan (4,4)⇒ R4 +K 4 =18⇒ R4 +12=18⇒ R 4=6
Terhadap (4,3)⇒R 4 +K 3=10⇒6+K 3=10⇒K 3=4
(4,5)⇒R 4 +K 5=24⇒6+K 5=24⇒K 5=18

(2,5)⇒R2 +K 5=2⇒R2+18=2⇒R2=−16
(1,1)=−(R1+K 1 )+30=−(0+2)+30=28
Bentuk vektor dan matriks dari koefisien dan variabel adalah sebagai berikut:
(1,3)=−(R1+K3)+18=−(0+4)+18=14 (1,5)=−(R1+K 5 )+20=−(0+18)+20=2 (2,1)=−(R2+K 1)+24=−(−16+2)+24=38
(2, )=−(R2+K2)+14=−(−16+2)+14=28
(2,3)=−(R2+K3)+14=−(−16+4)+14=26 (2,4)=−(R2+K4)+8=−(−16+12)+8=12
(3,2)=−(R3+K2)14=−(0+2)14=2 (3, )=−(R3+K3)+12=−(0+4)+12=8
(3,5)=−(R3+K5)16=−(0+18) 6= (4,1)=−(R4+K1)+8=−(6+2)+8=0
(4,2)=−(R4+K2)+18=−(6+2)+18=10 ¿ ¿ ¿
Iterasi ke-1.
a. Penentuan vektor masuk untuk variabel non basis, 3C+D (antara 3C+D≥40 , 2C+2D≥60 )
C≥0 = D≥0 ¿ ¿ ¿
[2 1 30¿][1 2 3 50¿]¿
 ¿ = ¿
[2 1 16¿][1 2 1 ¿][1 3 15¿]¿¿¿
¿ ¿30 ¿50  8
1 
3 
 

z2  c2  YP2  c2 =  0 0 0  6   9  9
1 
2
 

z1  c1  YP1  CI =  0 0 0 7   4  4
Karena masalah maksimasi maka yang menjai vector masuk adalah yang paling
negative yaitu vector

P2 .
b. Penentuan vector keluar,

Pr (di antara P4 , P5 , P6 ), dengan diketahui P2 masuk
basis.
5 5
1 0 0  H 2
= =5
H 2
= =5
0 1 0  a11 1
2
a11 1
2
  H 2
1
H 2
1
1

XB  B b   0 0 1  = =1 (min)
a21 1
= =1 (min)
a21 1

H 5
= =2,5(min)
a11 2
2 H 3
a 1
21
= =3
2
c1 c2 c3 c4 c5 c6 c7 c8
B1−13 B2
1
31
B
3B2−B1
y1 y2 y3 y4 y5 y6 y7 y8 = [3 1 -1 0 1 0 0 9¿][1 1 0 -1 0 1 0 6¿] ¿ B3−(4 M−2)B2 B3−(−2M+1) B2
 =
1
B
¿ 2 2
 ( B b) k 
1
2 3 8
   , ,  1
  min   k   min
j
 1 3 6
 Perhitungan untuk langkah a. dan b. dapat diringkaskan sebagai berikut
B x1 x2 x3 x4 x5 x6 NK Rasio
x4 1 2 2
x5 3 3 1
4
x6 6 8
3
Z -8 -9 -4 0 0 0 0
 Jadi vector keluar adalah

P5
c. Penentuan basis berikutnya
 12 
 2   1  1  1 
 2   3   3  1  3 0
 1       
 2  1   1  0 1 0 
 2  3  3   3 
 2       
  32   6   2  0 2 1 
    2  =  3   sehingga E   
 1   1 
1  3 0  1  3 0 
   
0 1 0  0 1 0 
 3  1 0 0   3 
  0 1 0   
 0  2 1   0 2 1 
B 1next  EB 1  0 0 1 
=     
=
Basis baru ini berkaitan dengan vektor dasar

 x4 
X B   x2  ;
 x6  CB  CII   0 9 0  ; CNB  CI   8 4 0
 1 
1  3 0 
 
0 1 0 
 3 
 
0 2 1  1
B  E     B next
Iterasi ke-2
P P, P , P
e. Penentuan vector masuk, j (antara 1 3 5 )
 1 
1  3 0 
 
0 1 0 
 3 
 
 0 2 1 
 Y  CB B = 
1
0 9 0     0 3 0
1 
 2
 

z1  c1  YP 1  c1=  0 3 0   7   8  8
2
4
 

z 3  c 3  YP 3  c3=  0 3 0   2   4  8
0 
1 
 

z5  c5  YP5  c5 =  0 3 0  0   0  3
Karena masalah maksimasi maka yang menjai vector masuk adalah yang paling
negative yaitu vector 5x+3y .
b. Penentuan vector keluar, x+2y≤8 (di antara x+ y≤6 ), dengan diketahui x≥0 masuk
basis.
 y≥0
 1 
x+2y≤8 x+y≤6 1 
x+2y=8¿}¿¿¿
5 x +3 y
1  3 0  3 
   
0 1 0  2
 3  1  3
    
 0 2 1   2  3 
 7  
1
  1 = B P1 =   
   min 5x+3 y x+2 y≤8

x+y≤6 = x≥0
 Perhitungan untuk langkah a. dan b. dapat diringkaskan sebagai berikut
B y≥0 x+2y≤8 x+y≤6 x + 2 y = 8 ¿ }¿ ¿ 5x+3y ax + by = k NK Rasio
ax+by k=ab 1 3
ax + by = k ax+by=k 1 3
ax + by = k 1 3 2 ( x1 , y1)
 Jadi vector keluar adalah
k1=ax1+by1
c. Penentuan basis berikutnya
a. Penentuan basis berikutnya
ax+by=k2
x( 2, y2) k2=ax2+by2 z=2x+3y g1
= sehingga 2x+3y=6=k
k 1=2(1)+3(2)=8 =
g2 k2=2(5)+3(4)=2 Z=8x1+6x2
=
Basis baru ini berkaitan dengan vektor dasar
4x1+2x2≤60 2 x 1 + 4 x 2 ≤48 x 1 , x 2 ≥0
x1 ,x 2 ,s1 , dan s2
Z=8x1+6x2+0s1+0s2 4x1+2x2+s1=60

Iterasi ke-3
a. Penentuan vector masuk non basis,
2x1+4x2+s2=48 (antara x1 ,x2 ,s1 ,s2≥0 )

x 1=0 = x 2= 0
4x1+2x2+s1=60 →
s 1 =60

2x 1+4 x 2+s2 =48 = → s2=48 ⇒ Z=8x1+6x2+0s1+0s2 x 1=0

s 1 =0 =
4x1+2x2+s1=60 → 2x2=60 →
x2=30

2x 1+4 x 2+s2 =48 = → 4x2+s2=48 → s2=48−120 →
Solusi optimal sudah diperoleh, karena nilai vector non basis sudah positif semua.
Nilai optimal untuk masing-masing vector basis adalah sebagai berikut:
s 2=−72
Nilai Z dihitung dengan rumus:
s2
x1=0 s2=0
=
2x1+4x2+s2=48 → =
4x2=48
Jadi solusi optimalnya Z =

→ , dengan
x2=12 ,
4x1+2x2+s1=60 dan → .
Solusi simpleks dengan Solver Excel.

Solver merupakan salah satu fasiltas tambahan (Add-ins) yang terdapat pada
program Microsoft Excel. Fasilitas ini terdapat pada MS Excel versi 2007 maupun
versi sebelumnya. Solver disediakan oleh MS Excel berfungsi sebagai alat untuk
mencari nilai optimal pada suatu formula pada sel lembar kerja Excel ( atau disebut
sel target ). Nilai yang diharapkan dapat berupa nilai paling maksimum, nilai paling
minimum atau nilai tertentu yang diharapkan. Microsoft Excel Solver
mengkombinasikan fungsi dari suatu Graphical User Interface (GUI), suatu
algebraic modeling language seperti GAMS (Brooke, Kendrick, dan Meeraus
1992) atau AMPL (Fourer, Gay, and Kernighan 1993), dan optimizers untuk linier,
nonlinear, dan integer program. Masing-masing fungsi ini terintegrasi ke dalam
spreadsheet program.
Fitur Solver ini diinstal secara tersendiri karena fasilitas tambahan / optional. Cara
mengaktifkannya tidaklah sulit. Langkah-langkah mengaktifkan Solver Add-ins
sebagai berikut:
1. Buka worksheet Microsoft Excel 2007
2. Klik Costumize Quick Access Toolbaar pada bagian kiri atas
3. Pilih More Command > Add-ins
4. Pilih Solver Add-in > Go
5. Kemudian klik OK dan ikuti istruksi selanjutnya.
6. Apabila pada menu Data > Analysis, terdapat menu Solver maka proses
pengaktifan Solver Add-in telah berhasil
Yang perlu diingat, pada saat penambahan fasilitas ini memerlukan master MS
Office itu sendiri untuk proses penginstalan baik itu berupa CD master ataupun
suatu folder tersendiri yang menyediakan master yang dibutuhkan.
Solver merupakan suatu bagian dari serangkaian perintah (command) yang saling
berhubungan baik secara langsung maupun tidak langsung dalam suatu group
terhadap satu formula dalam suatu sel target. Perintah ini biasa disebut What-if
Analysis Tools.
Pada dasarnya Solver terdiri dari 3 (tiga) bagian, yakni:

1. Sel Target (Target Cell)
Merupakan bagian solver sebagai tempat dimana hasil akhir
pemrosesan/eksekusi suatu formula ditempatkan. Dalam excel, fungsi tujuan
berada dalam satu cell saja. Dimana di dalam cell ini terdapat formula excel dari
cell lainnnya. Selain itu, kita harus menentukan tujuan kita itu apa. Apa mau
mencari fungsi minimum (meminimumkan Target Cell), fungsi maksimum
(memaksimumkan Target Cell), atau membuat fungsi sama dengan nilai tertentu
(Value of).
2. Sel Pengatur ( Adjusted Cell )
Solver mengatur perubahan nilai pada sel yang spesifik, untuk memproduksi hasil
perlu spesifikasi dari formula pada sel target. Sel pengatur ini harus mempunyai
kaitan dengan sel target dalam suatu lembar kerja excel.
3. Sel Pembatas (Constrained Cell)
Constraint digunakan untuk membatasi nilai solver yang dapat digunakan pada
suatu model tertentu dan constraint mengacu pada sel lain yang memperngaruhi
formula pada sel target.
Menu solver dapat dilihat dibawah ini: ( Data> Analysis > Solver )
Solver parameter
 Set Target Cell : merupakan sel yang dijadikan target (dalam bentuk
formula/rumus)
 Equal To : tujuan yang hendak dituju Maximal/Minimal/Nilai tertentu
(Value Of)
 By Changing Cells : yakni sel asal perhitungan sel target yang dapat
dimanipulasi nilainya.
 Subject to the Constraints: Batasan-batasan yang diatur dalam perhitungan
formula misalnya: nilai yang ditentukan harus positif (x >= 0) dll.
Pada menu Box Dialog Options, set satu atau lebih pilihan yang disediakan:
a. Solusi waktu dan iterasi
Pada Max Time box, tuliskan nomor dari waktu (dalam detik/second) yang
diizinan untuk solusi waktu. Pada box Iterations, masukkan nomor maksimal
dari iterasi yang diizinkan.
b. Degree of Precision
Pada Precision box, ketikkan derajat ketepatan (Degree of Precision) yang
diinginkan, semakin kecil angka itu semakin tinggi ketapatan yang dihasilkan.
c. Integer Tolerance
Pada box Tolerance, ketik persentase error yang diizinkan pada saat
mengeksekusi solusi.
d. Degree of Convergence.
Pada Convergence box, ketik jumlah perubahan relatif yang diizinkan pada
lima iterasi terakhir sebelum solver berhenti dengan solusinya. Semakin kecil
angka semakin sedikit perubahan relatif yang diizinkan.
Contoh:
Suatu perusahaan garmen akan memproduksi dua jenis pakaian yaitu baju dan
celana dan rok. Proses produksi meliputi memotong, menjahit dan pengepakkan.
Perusahaan tsb mempekerjakan 25 orang pada bagian memotong, 40 orang pada
bagian menjahit dan 5 orang pada bagian pengepakkan. Semua tenaga kerja tsb
bekerja 8 jam per hari selama 5 hari kerja seminggu. Untuk produksi baju minimal
harus 500 buah baju sesuai dengan pesanan.
Tabel berikut menunjukkan waktu yang diperlukan dan keuntungan per satuan
untuk pakaian tsb. (dalam jam)
pakaian memotong menjahit pengepakan profit
Baju 1 2 0.2 80
celana 2 2 0.1 120
rok 0.7 1.5 0.1 75
Model dari masalah perusahaan garmen tersebut adalah
Maksimumkan keuntungan
2 x 2 + s 1= 60
Dengan kendala →
s 1 =60−24
→
s 1 =36
Z=8x1+6x2 +0s1+0s2
Dengan
Z=8(0)+6(12)+0(36)+0( ) : banyaknya baju yang akan diproduksi
Z=72 : banyaknya celana yang akan diproduksi

x2=0 : banyaknya rok yang akan diproduksi
Solusi masalah program linier di atas dapat menggunakan program solver dalam
excel dengan langkah-langkah sebagai berikut:
a. Masukkan informasi berikut ke dalam spreadsheet Microsoft Excel:
Keterangan:
1. Nilai keputusan awal ditentukan sembarang, dalam hal ini di pilih
s 1 =0 , nilai-nilai optimum akan dicari oleh computer.

2. Sel G3 adalah formula dari: G3=SUMPRODUCT(C3:E3,C2:E2)
3. Sel F6 sampai F9 juga merupakan formula.
F6=SUMPRODUCT(C6:E6,C2:E2)
4. Pilih menu “data” kemudian “solver”.
5. Isi parameter sebagai berikut:
Set Target Sell: $G$3 (karena G3 mengandung formula target keuntungan)
Equal to: Max
By Changing Sell: $C$2:$E$2 (karena sel C2 sampai E2 adalah adalah sel yang
berisi nilai-nilai optimum dari variabel keputusan yang akan diganti oleh
komputer)
Subject to the Constraints: Diisi dengan jalan memilih Add, sebagai berikut:
Add Constraint
Cell Reference: Constraint:
$F$6:$F$8 <= $H$6:$H$8 (Add)
$F$9 >= $H$ (Add)
$C$2:$E$2 >= 0 OK
6. Pilih “Solve”
Selanjutnya komputer akan memunculkan Solver Results.
Hasil solusi masalah linear programming di atas oleh Solver Microsoft Excel
ditunjukkan
sebagai berikut:
Keterangan:
a. Final Value dari profit adalah Rp.74125 berarti perusahaan garmen itu akan
mencapai keuntungan yang maksimal senilai Rp.74125 jika melaksanakan
keputusan membuat baju sebanyak 500 buah, celana 206 buah dan rok 125.
b. Nilai slack dapat diinterpretasikan sebagai berikut: misalkan untuk waktu potong
dan jahit nilai slack nya nol artinya jika perusahaan melaksanakan keputusan
maka semua sumber daya untuk departemen tersebut habis terpakai atau tidak
bersisa. Sedangkan untuk departemen pengepakkan waktu yang digunakan hanya
sekitar 133 jam dan waktu yang sisa ada 67 jam. Berdasarkan hasil tersebut maka
untuk tenaga pengepakkan dapat dikurangi 1 orang sehingga akan mengurangi
ongkos produksi, karena dengan 4 orang saja sudah cukup bisa mencapai
keuntungan maksimal.
Solusi program linier dengan LINGO
Penyelesaian masalah optimasi dapat dilakukan dengan bantuan software
LINGO.
Contoh:
Maksimumkan Z  5 x  3 y
Dengan Kendala x  2 y  8
x y 6
x0
y0
Solusi dengan LINGO
Untuk mengeksekusinya dengan mengklik . hasilnya adalah:

LATIHAN
1. Max
Z  3x1  2 x2
Kendala
x1  x2  15
2 x1  x2  28
7 x1  2 x2  20
x1 , x2  0
2. Max
Z  8 x1  9 x2  4 x3
Kendala
x1  x2  2 x3  2
2 x1  3x2  4 x3  3
7 x1  6 x2  2 x3  8
x1 , x2 , x3  0
3. Selesaikan soal berikut dengan metode simplek Big M dan simpleks 2 fase
a. Min
Z  2 x1  3x2
Kendala
2 x1  x2  16
x1  3 x2  20
x1  x2  10
x1 , x2  0
b. Min
Z  4 x1  x2
x1  x2  3
Kendala
x1  3x2  20
2 x1  x2  16
x1 , x2  0
4. Selesaikan soal berikut dengan metode simplek Big M, metode simplek 2 fase
dan metode dual simpleks dan bandingkan
a. Min
Z  2 x1  x2
3 x1  x2  9
Kendala
x1  x2  6
x1 , x2  0
b. Min
Z  40 x1  25 x2
x1  2 x2  28
Kendala
9 x1  3x2  400
2 x1  x2  20
x1 , x2  0
BAB IV
PRIMAL DAN DUAL
Setiap persoalan program linier selalu mempunyai dua macam analisis, yaitu :
analisis primal dan analisis dual yang biasanya disebut analisis primal-dual. Untuk
menjelaskan hubungan antara Primal dengan Dual akan ditunjukan dengan contoh kasus
di bawah ini:
PT. Maju Jaya adalah sebuah perusahaan yang menghasilkan dua macam produk yaitu A
dan B. Setiap Produk A menghasilkan laba Rp. 40,- dan Produk B Rp. 60,-. Kedua
macam produk tersebut harus diproduksi melalui dua tahap proses yaitu proses I dan
proses II. Kapasitas dan waktu proses bagi kedua macam produk tersebut adalah sebagai
berikut :
Waktu proses Kapasitas per bulan
Proses
A B (jam)
I 3 2 2000
II 1 2 1000
Model matematika Kasus diatas adalah :

Fungsi Tujuan : Memaksimumkan : Z = 40A + 60B,
Fungsi Kendala :
1. 3A +2B 4x1+2x2+s1=60 2000
2. A + 2B → 1000,
3. A,B 4x1=60 0,
Model matematika diatas disebut model Primal. Dual pada dasarnya adalah masalah
penentuan harga, yaitu : Harga dari sumber-sumber yang dipergunakan untuk berproduksi
secara optimal, dimana harga tersebut merupakan nilai minimum sehingga dapat
dipergunakan sebagai bahan pertimbangan untuk menambah atau mengurangi sumber-
sumber tersebut secara tepat. Misalkan C dan D sebagai biaya sewa per jam yang harus
dibebankan kepada proses I dan II. Karena jumlah kapasitas yang tersedia untuk proses I
adalah 2000 jam dan proses II 1000 jam, maka biaya sewa total untuk kedua macam
proses tersebut adalah :
F = 2000C + 1000D.
Selagi F merupakan jumlah biaya sewa kedua macam proses tersebut maka manajeman
PT. Maju Jaya tersebut berusaha untuk meminimumkannya. Pandang jika model Primal
sebagai pihak penjual yang ingin memaksimumkan laba, di sisi lain model Dual sebagai
pihak pembeli yang menginginkan harga pembelian yang minimum. Setiap unit produk A
memerlukan waktu 3 jam pada proses I dan 1 jam pada prose II, sehingga biaya untuk
menghasilkan setiap unit produk A adalah → .

Dipandang dari pihak pembeli tentu saja harga tesebut tidak boleh lebih rendah dari
sumbangan laba yang akan diberikan oleh produk A terhadap penjualan yaitu sebesar Rp.
40,- (bila penjual mendapat laba Rp. 40,- untuk setiap penjualan produk A, maka tentu
saja pembeli menginginkan agar harga yang ia bayar untuk biaya pemrosesan produk
tersebut paling sedikit harus sama dengan laba yang diperoleh penjual yaitu sebesar Rp.
40,-). Sehingga biaya untuk memroses setiap unit produk A adalah x 1=15 .
Dengan cara yang sama biaya untuk memroses setiap unit produk B adalah
2 x 1 +4 x 2 +s2 =48 dan selanjutnya karena harga tidak mungkin negatif maka → dan
2x1+s2=48 .
Asumsi Dasar :
Untuk dapat menyusun suatu persoalan primal Program Linier ke dalam bentuk dual,
maka selalu harus dirumuskan terlebih dahulu ke dalam bentuk kanonik.
 Untuk persoalan maksimasi, maka semua rumusan fungsi kendala mempunyai tanda
lebih kecil dari pada atau sama dengan ( → ).
 Untuk persoalan minimasi maka tanda fungsi syarat ikatannya harus lebih besar dari
pada atau sama dengan ( s2=48−30 ) . ( Ingat bahwa tidak perlu semua konstanta atau nilai
sebelah kanan (nsk) fungsi kendala yang bersangkutan harus selalu non-negatif
dalam suatu rumusan yang berbentuk kanonik).
 Jika suatu persoalan dalam rumusan Program Linier mempunyai fungsi kendala
kesamaan (nilai nsk-nya bertanda sama dengan), maka fungsi kendalanya tersebut
dapat ditukar atau diganti dengan dua fungsi lainnya, yang pertama, bertanda “lebih
kecil dari pada atau sama dengan ( → )”dan yang kedua, bertanda “lebih besar
dari-pada atau sama dengan ( s2=18 )”. Salah satu diantara kedua fungsi kendala lain
tersebut (dipilih salah satu), kemudian diambil, dan kalikan dengan (-1) untuk
mendapatkan fungsi kendala yang sesuai dengan aturan yang diminta oleh bentuk
kanonik tersebut.
Contoh:
Sebuah perusahaan pakaian memiliki data sebagai berikut:
Baju 1 Baju Tersedia
Katun 2 1 16
Sutera 1 2 11
Tetron 1 3 15
Harga 30 50
Berapa banyak baju 1 dan baju harus dibuat agar penghasilan maksimum? Kita lakukan
analisis terhadap masalah yang harus dibahas ini. Jika masalah ini kita anggap sebagai
masalah Primal maka tentukan matriks koefisiennya.
1. Matriks koefisien dari masalah primal adalah:
Z=8x1+6x2+0s1+0s2
2. Dual memiliki fungsi objektif sebagai berikut:
F = 16 u + 11v + 15w
3. Masalah dual memiliki matriks koefisien sebagai berikut:
Z=8(15)+6(0)+0(0)+0(18)
3. Masalah dual minimum dapat ditulis sebagai berikut:
Minimumkan: f = 16u + 11v + 15w
Kendala: 2u + v + w Z=120
u + 2v + 3w x 2=0
Latihan:
Tentukan dual dari masalah primal berikut, dan tentukan solusinya:
Min
Z  x1  20 x2  2 x3  10 x4
2 x1  x2  x3  40
Kendala
x1  4 x2  x4  80
x1  x2  4 x4  100
x1  x2  x4  60
x1 , x2 , x3 , x4  0
BAB V
MODEL TRANSPORTASI
Model Transportasi adalah pengalokasian pengiriman sejumlah barang (satu

macam barang) yang berasal dari sejumlah sumber pengiriman menuju sejumlah tujuan
pengiriman yang memberikan biaya pengiriman total terendah.
Barang yang akan dikirim dari setiap sumber pengiriman dan jumlah permintaan yang
diminta oleh setiap tujuan pengiriman, serta biaya pengiriman dari setiap sumber menuju
setiap tujuan adalah berbeda.
Penggunaan model Transportasi antara lain untuk :
 Persoalan pengiriman barang
 Persoalan perancangan produksi
 Penugasan mesin-orang
 Penugasan mesin-pekerjaan
Formulasi Matematik
Karena tujuan optimasi adalah penentuan total biaya minimum, maka tujuan dalam
model matematiknya adalah minimasi. Alternatif keputusan dalam hal ini adalah
penentuan jumlah yang akan diangkut dari daerah sumber s2=0 menuju tujuan 2x1+4x2+s2=48 .
Koefisien fungsi tujuan adalah biaya angkut per unit dari sumber → menuju tujuan
2x1=48 . Kendala atau sumber daya yang membatasi penentuan total biaya transportasi
optimum adalah jumlah suplai pada masing-masing sumber dan jumlah permintaan pada
masing-masing daerah tujuan.
Banyaknya yang harus diangkut dari sumber → menuju tujuan x1=24 dilambangkan
4x1+2x2+s1=60 , biaya transportasi per unit komoditas dari sumber → menuju tujuan 4x1+s1=60
dilambangkan → . Sedangkan
s1=60−96 adalah banyaknya suplai pada sumber → , dan
s1=−36 sebagai banyaknya permintaan pada tujuan s 1 , maka bentuk PL kasus
transportasi adalah:
Minimumkan
s 1 =0
Terhadap
s 2 =0
4x1+2x2+s1=60 →
4x1+2x2=60
Jika total suplai → sama dengan total permintaan

x2=30−2x1 , maka formulasi
yang dihasilkan disebut sebagai model tansportasi seimbang.
Penentuan Solusi Awal
Langkah pertama dalam metode transportasi terdiri atas penentuan solusi awal program
transportasi. Tersedia berbagai metode untuk menentukan program awal tersebut. Akan
dibicarakan tiga metode dalam penanganan langkah pertama dalam persoalan
transportasi. Solusi awal layak dilihat dari jumlah sel yang teralokasi. Solusi layak jika
jumlah sel yang terisi sebanyak m + n – 1 (m menunjukkan banyaknya sumber dan n
adalah banyaknya tujuan).
1. Aturan NWC (North West Corner)
Sesuai nama aturan ini, maka penempatan pertama dilakukan di sel paling kiri dan paling
atas (northwest) matriks. Banyaknya yang dialokasikan pada sel kosong tersebut (
2x1+4x2+s2=48 )
tidak boleh melebihi jumlah suplai pada sumber → dan banyaknya permintaan pada
tujuan 2x1+4x2=48 .
Contoh:
PT. X yang memproduksi minuman ringan yang dibotolkan memiliki 4 pabrik yang
letaknya di tempat yang berbeda, yaitu A, B, C, D. Produk dari pabrik tersebut akan
didistribusikan ke 5 gudang di 5 kota yang berbeda, yaitu P, Q, R, S dan T. Setiap hari
masing-masing pabrik memproduksi (dalam ribu krat) 900, 540, 810, dan 990.
Sementara itu masing-masing agen berturut-turut memesan (dalam ribu krat) 360, 720,
540, 900 dan 720 unit. Adapun biaya pengangkutan per krat minuman (puluhan rupiah),
tampak pada tabel. Pabrik menghendaki semua barang terkirim dan semua permintaan
gudang terpenuhi dengan biaya sekecil mungkin.
Tabel 1. Biaya distribusi per unit dan kapasitas sumber dan tujuan
Asal/Tujuan P Q R S T Kapasitas
A 30 2 18 12 20 900
B 24 14 14 8 2 540
C 2 14 12 12 16 810
D 8 18 10 18 24 990
Permintaan 360 720 540 900 720 3240
Solusi dengan metode NWC:
Dimulai sel pojok kiri atas diisi maksimum, kemudian diikuti sel-sel lainnya.
Asal/Tujuan P Q R S T Kapasitas
A 30 2 18 12 20 900
360 540
B 24 14 14 8 2 540
180 360
C 2 14 12 12 16 810
180 630
D 8 18 10 18 24 990
270 720
Permintaan 360 720 540 900 720 3240
Layak tidaknya solusi awal dipenuhi jika banyaknya sel basis (sel yang terisi sama
dengan 5 + 4 – 1 = 8. Jumlah sel basis pada solusi awal dengan metode NWC di atas
adalah 8, dengan demikian solusi awal yang diperoleh sudah layak. Alokasi barang
dilihat dari solusi awal dengan metode NWC di atas adalah:
 Banyaknya krat yang diangkut dari pabrik A ke gudang P adalah 360.000 krat per
hari.
 Banyaknya krat yang diangkut dari pabrik A ke gudang Q adalah 540.000 krat
per hari
 Banyaknya krat yang diangkut dari pabrik B ke gudang Q adalah 180.000 krat
per hari
 Banyaknya krat yang diangkut dari pabrik B ke gudang R adalah 360.000 krat per
hari
 Banyaknya krat yang diangkut dari pabrik C ke gudang R adalah 180.000 krat per
hari
 Banyaknya krat yang diangkut dari pabrik C ke gudang S adalah 630.000 krat per
hari
 Banyaknya krat yang diangkut dari pabrik D ke gudang S adalah 270.000 krat per
hari
 Banyaknya krat yang diangkut dari pabrik D ke gudang T adalah 720.000 krat per
hari
 Total biaya pengangkutan minuman ringan per hari adalah:
→
Z = 5.130.000.000
2. Metode Inspeksi/ Biaya terkecil
Dalam solusi persoalan transportasi tanpa ragu-ragu diperlukan inspeksi dan
pertimbangan.
Alokasi pertama dibuat terhadap sel yang berkaitan dengan biaya pengangkutan
terendah. Sel dengan ongkos terendah ini diisi sebanyak mungkin dengan mengingat
persyaratan kapasitas awal maupun permintaan tempat tujuan. Kemudian beralih ke sel
termurah berikutnya dan mengadakan alokasi dengan memperhatikan kapasitas yang
tersisa dan permintaan baris dan kolom.
Tabel 1.
Asal/Tujua P Q R S T Kapasitas
n
A 30 2 18 12 20 900
B 24 14 14 8 2 540
C 2 14 12 12 16 810
D 8 18 10 18 24 990
Permintaan 360 720 540 900 720 3240
Tabel 2.
Asal/Tujua
P Q R S T Kapasitas
n
A 30 2 18 12 20 900
B 24 14 14 8 2 540
2 810
C 14 12 12 16
360 450
D 8 18 10 18 24 990
Permintaan 360 720 540 900 720 3240
Tabel 3.
Asal/Tujua Q R S T Kapasitas
n
2 900
A 18 12 20
720 180
B 14 14 8 2 540
C 14 12 12 16 450
D 18 10 18 24 990
Permintaan 720 540 900 720 3240
Tabel 4.
Asal/Tujua
R S T Kapasitas
n
A 18 12 20 180
2
B 14 8 540
540
C 12 12 16 450
D 10 18 24 990
720
Permintaan 540 900 3240
180
Tabel 5.
Asal/Tujua
R S T Kapasitas
n
A 18 12 20 180
C 12 12 16 450
10 990
D 18 24
540 450
Permintaan 540 900 180 3240
Tabel 6.
Asal/Tujua
S T Kapasitas
n
12
A 20 180
180
C 12 16 450
D 18 24 450
900
Permintaan 180 3240
720
Tabel 7.
Asal/Tujua
S T Kapasitas
n
12
C 16 450
450
D 18 24 450
720
Permintaan 180 3240
270
Tabel 8.
Asal/Tujua
S T Kapasitas
n
18 450
D 24
270 180
Permintaan 270 180
Tabel 9.
Asal/Tujua
T Kapasitas
n
D 24 180
Permintaan 180
Tabel 10.
Asal/Tujua
P Q R S T Kapasitas
n
2 12
A 900
720 180
2
B 540
540
2 12
C 810
360 450
10 18 24
D 990
540 270 180
Permintaan 360 720 540 900 720 3240
2 x 1 + 4 ( 30 −2 x1 )= 48
→
3. Metode VAM
Langkah-langkah pada metode VAM:
a. Mengurangkan biaya yang terkecil pada setiap baris dengan biaya yang lebih besar
satu tingkat pada baris yang sama
b. Demikian juga untuk kolom
c. Pilih hasil selisih terbesar pada baris dan kolom
d. Alokasikan dengan memilih sel yang biayanya terkecil pada baris dan kolom yang
dipilih.
e. Ulangi langkah 1 tapi baris dan kolom yang sudah dialokasikan jangan digunakan lagi
f. Hitung total biaya
terkecil
Tabel 1
Asal/Tujua
P Q R S T Kapasitas Selisih
n
A 30 2 18 12 20 900 10
2
B 24 14 14 8 540 Baris B
540 6 hilang
C 2 14 12 12 16 810 10
D 8 18 10 18 24 990 2
900 720
Permintaan 360 720 540 3240
180
Selisih 6 12 2 4 14*
Selisih terbesar
Elemen terkecil pada kolom T adalah sel (B, T) = 2. Min{540, 720} = 540. Jadi sel
(B, T) = (2; 540)
Tabel 2
Asal/Tujua
P Q R S T Kapasitas Selisih
n
2 900
A 30 18 12 20 10
720 180
C 2 14 12 12 16 810 10
D 8 18 10 18 24 990 2
Permintaan 360 720 540 900 180 3240
Selisih 6 12* 2 6 4
Kolom Q
hilang
Elemen terkecil pada kolom Q adalah sel (A,Q) = 2.

Min {720, 900} = 720. Jadi sel (A, Q) = (2; 720)
Tabel 3
Asal/Tujua
P R S T Kapasitas Selisih
n
A 30 18 12 20 180 6
2 810 10* terbesar

C 12 12 16
360 450
D 8 10 18 24 990 2
Permintaan 360 540 900 180 3240
Selisih 6 2 6 4
Kolom P
hilang
Elemen terkecil pada baris C adalah sel (C,P) = 2.

Min {360, 900} = 810. Jadi sel (C,P) = (2; 360)
2x1+120−8x1=48 Tabel 4
Asal/Tujuan R S T Kapasitas Selisih

A 18 12 20 180 6
C 12 12 16 450 4
D 10 18 24 990 8* terbesar
540 450
Permintaan 540 900 180 3240
Selisih 2 6 4
Elemen terkecil pada baris D adalah sel (D,R) = 10.

Min {540, 990} = 540. Jadi sel (D,R) = (10; 540)
Tabel 5
Asal/Tujuan S T Kapasitas Selisih
12 8*
A 20 180 Baris A
180 hilang
C 12 16 450 4
D 18 24 450 6
900
Permintaan 180 3240
720
Selisih 6 4
Elemen terkecil pada baris A adalah sel (A,S) = 12.

Min {180, 900} = 180. Jadi sel (A,S) = (12; 180)
Tabel 6
Asal/Tujuan S T Kapasitas Selisih
16 450
C 12 4
180 270
D 18 24 450 6
Selisih 6 8*
Terbesar
Kolom T hilang
Elemen terkecil pada kolom T adalah sel (C,T) = 16.

Min {180, 450} = 180. Jadi sel (C,T) = (16; 180)
Tabel 7
Beda
Asal/Tujuan S Kapasitas
Kolom
C 12 270 12
18 18*
D 450 Terbesar
450 Baris D hilang
720
Permintaan 3240
270
Beda Baris 6
Elemen terkecil pada kolom T adalah sel (D,S) = 18.

Min {450, 720} = 450. Jadi sel (D,S) = (18; 450)
Tabel 7
Asal/Tujua
S Kapasitas
n
C 12 270
Permintaan 270
Elemen terkecil pada kolom T adalah sel (D,S) = 18.

Min {450, 720} = 450. Jadi sel (D,S) = (18; 450)
Tabel Lengkap
Asal/Tujua
P Q R S T Kapasitas
n
2 12
A 900
720 180
2
B 540
540
2 12 16
C 810
360 270 180
10 18
D 990
540 450
Permintaan 360 720 540 900 720 3240
Banyaknya sel basis yang diperoleh sama dengan 7, dengan demikian solusi awal
yang diperoleh sudah layak.
→
−6 x 1=−72
Metode Penentuan Solusi Optimal
Setelah menyusun tabel/ program awal dengan salah satu metode, langkah selanjutnya
adalah menguji apakah program awal sudah memberikan solusi optimal. Ada dua
metode yang bisa digunakan untuk menentukan solusi optimal, yaitu metode
Steppingstone dan Modified Distribution (MoDi). Kedua metode digunakan untuk
menentukan sel masuk.
1. Metode MoDi
Masih menggunakan program awal dengan metode inspeksi, uji keoptimalan dengan
mencari nilai dari sel isi, dengan diawali niali R → selalu nol.
Contoh:
Perhatikan hasil solusi awal pada metode inspeksi di atas. Perhatikan kembali tabel
transportasi dengan m sumber dan n tujuan.
S TUJUAN
1 2 −6x1=−72
n Suplai
U
1 → x2=30−2x1 x2=30−2(12)
→ →
M
x1=12 → x2=30−24
B
2 x2=6 Z=8(12)+6( )+0( )+0( )
x 1=12
x2=6 Z=5x1+3x2
E
R Z=8x1+6x2+0s1+0s2 Z=132 Z=132
2x1+x2≥3 x1+x2≥2 x1,x2≥0 x1,x2 ,s1 , dan s2
Z=5x1+3x2+0s1+0s2 2x1+x2−s1=3
m x1+x2−s2=2 x1=0 2x1+x2−s1=3
→ x1+x2−s2=2
x1,x2, s1,s2≥0 x2=0 s1=−3
kapasitas → s2=−2 x1=0
Minimumkan
s 1 =0
Terhadap
2 x 1 + x 2 −s1 =3 → x2=3
x 1 + x 2− s 2=2 → x2−s2=2
→ −s2=2−3 →
s 2 =1 Z=5x1+3x2+0s1+0s2 Z=5(0)+3( )+0( )+0(1)
Z =9 x 1=0 s2=0
x 1 + x 2− s 2=2 → x2=2
2x1+x2−s1=3 → x2−s1=3
→ s1=x2−3 →
Solusi optimal tercapai jika untuk:
 Maksimasi,
s 1 =2−3
 Minimasi, →
Langkah-langkah penyelesaian:
1. Penentuan sel masuk
a. Untuk setiap sel basis/ sel isi, hitung

s 1 =−1 . s 1 menunjukkan
baris ke-i dan

x2=0 menunjukkan kolom ke-j, sedangkan s1=0 adalah biaya
pada sel ij; Karena banyaknya variabel yang tidak diketahui (

2x 1+x 2−s1=3 )
lebih banyak dibandingkan banyaknya persamaan yang dibentuk, maka
salah satu variabel diasumsikan bernilai 0.
b. Untuk setiap sel non basis, hitung →

c. Untuk maksimasi, sel masuk adalah sel dengan
2x1=3 paling negatif,
sedangkan untuk minimasi sel masuk adalah sel dengan → paling

positif.
2. Penentuan sel keluar.
Penentuan sel keluar dilakukan dengan loop tertutup. Awal dan akhir loop
adalah sel masuk. Garis-garis horizontal dan vertikal yang membentuk loop
harus berakhir pada sel basis.
3. Pemeriksaan keoptimalan dilakukan dengan melihat
x1=1,5 . Untuk
maksimasi optimal jika

x1+x2−s2=2 semua, dan untuk minimasi optimal jika
→ semua.
Asal/Tujuan P(1) Q(2) R(3) S(4) T(5) Kapasitas

30 2 18 12 20
A(1) 900
720 180
24 14 14 8 2
B(2) 540
540
2 14 12 12 16
C(3) 810
360 450
8 18 10 18 24
D(4) 990
540 270 180
Permintaan 360 720 540 900 720 3240
Sel basis: AQ (12), AS (14), BT (25), CP (31), CS (34), DR (43), DS (44), DT (45)
Sel Non Basis: AP (11), AR (13), AT (15), BP (21), BQ (22), BR (23), BS (24), CQ
(32), CR (33), CT (35), DP (41), DQ (42)
Penentuan Sel Masuk
Untuk setiap sel basis/ sel isi, misalkan

x1−s2=2
12 →
s2=x1−2 = 2 → s2=1,5−2
14 →
s2=−0,5 = 12 s2 x 2=0
25 s2 =0 x1+x2−s2=2 = 2 → x 1=2
31 2x1+x2−s1=3 → =2 2(2)−s1=3 →
34 s 1=1 Z=5x1+3x2+0s1+0s2 = 12 Z=5(2)+3(0)+0(1)+0(0) Z =10
43 s 1=0 s 2 =0 = 10 2x1+x2−s1=3 →
44 2x1+x2=3 → = 18 x2=3−2x1 x 1 + x 2− s 2=2
45 →
x1+x 2=2 = 24 → x 1 +( 3−2 x 1 )=2
Untuk setiap sel non basis/ sel kosong
→ −x 1=−1 = 0 + 2 – 30 = -18
→ x 1=1 = 0 + 4 – 18 = -14
x2=3−2x1 → = 0 + 18 – 20 = -2
x2=3−2(1) → = - 16 + 2 – 24 = - 34
x2=1 Z=5x1+3x2+0s1+0s2 = - 16 + 12 – 14 = - 18
Z=5(1)+3(1)+0( )+0( ) Z =8 = -16 + 4 – 14 = - 26

x1=1 x 2=1 = -16 + 12 – 8 = - 12
Z=8  u2  v5  c25 = -16 + 18 – 14 = - 20
c33  u3  v3  c33 = 0 + 4 – 12 = - 8
c35  u3  v5  c35 = 0 + 18 – 16 = 2
c41  u4  v1  c41 = 6 + 2 – 8 = 0
Z=3x1+2x2 2 x 1 +x 2 ≤5 = 6 + 12 – 18 = 0
Karena ini masalah minimasi maka sel non basis harus negatif semua, karena masih
ada yang positif maka tabel belum optimal. Sel masuk adalah sel positif terbesar yaitu
sel 35, artinya dengan mengisi sel 35 maka biaya transport bisa berkurang.
Penentuan sel keluar
Sel keluar ditentukan dengan menggunakan sel tertutup. Loop harus berawal dan
berakhir sel masuk yaitu sel 35. Bentuk loop nya adalah 35 – 34 – 44 – 45, sehingga
tabelnya menjadi seperti berikut:
Asal/Tujua
P(1) Q(2) R(3) S(4) T(5) Kapasitas
n
30 2 18 12 20
A(1) 900
720 180
24 14 14 8 2
B(2) 540
540
2 14 12 12 16
C(3) 810
360 270 180
8 18 10 18 24
D(4) 990
540 450
Permintaan 360 720 540 900 720 3240
Setelah dioptimalkan dengan metode MoDi maka Nilai Z = 25020, sebelumnya dengan
metode inspeksi adalah Z = 25200.
2. Metode Stepping Stone
Metode stepping stone digunakan untuk menentukan solusi optimal dengan memeriksa
kemungkinan pengurangan biaya untuk kasus minimasi (penambahan keuntungan untuk
kasus maksimasi) jika sel non basis tertentu berubah menjadi sel basis.
Metode stepping stone mencoba (dengan trial and error) mengisi sel yang masih kosong
dengan memindahkan alokasi sebagian atau keseluruhan dari sel yang sudah terisi. Jika
pemindahan itu mengakibatkan pengurangan baiya total, maka dibentuk loop untuk
menentukan sel yang akan dikosongkan/kurangi dan sel yang akan bertambah.
Contoh: Solusi awal dengan metode inspeksi/biaya terkecil sbb:

Asal/Tujua
n
30 2 18 12 20
A(1) 900
720 180
24 14 14 8 2
B(2) 540
540
2 14 12 12 16
C(3) 810
360 450
8 18 10 18 24
D(4) 990
540 270 180
Permintaan 360 720 540 900 720 3240
Untuk sel kosong:
Sel 11: 30 – 12 + 12 – 2 = 28
Sel 13: 18 – 12 + 18 – 10 = 14
Sel 15: 20 – 24 + 18 – 12 = 2
Sel 21: 24 – 2 + 24 – 18 + 12 – 2 = 38
Sel 22: 14 – 2 + 12 – 18 + 24 – 2 = 28
Sel 23: 14 – 2 + 24 – 10 = 26
Sel 24: 8 – 2 + 24 – 18 = 12
Sel 32: 14 – 12 + 12 – 2 = 12
Sel 33: 12 – 12 + 18 – 10 = 8
Sel 35: 16 – 24 + 18 – 12 = - 2
Sel 41: 8 – 18 + 12 – 2 = 20
Sel 42: 18 – 18 + 12 – 2 = 10
Interpretasi dari nilai sel kosong di atas adalah:
Untuk sel 11 jika akan diisi dengan memindahkan sejumlah unit dari sel 14, 34, dan 31
maka akan menambah biaya per unit sebesar 28. Dengan demikian maka pengalokasian
ke sel 11 sebaiknya jangan diakukan. Beradasarkan nilai data di atas maka pemindahan
sejumlah unit tersebut akan mengurangi biaya sebesar 2 jika mengisi sel 35 dengan loop
sel 35, 45, 44 dan 34. Setelah dilakukan pemindahan tersebut maka tabelnya menjadi
seperti berikut:
Asal/Tujua
n
30 2 18 12 20
A(1) 900
720 180
24 14 14 8 2
B(2) 540
540
2 14 12 12 16
C(3) 810
360 270 180
8 18 10 18 24
D(4) 990
540 450
Permintaan 360 720 540 900 720 3240
Setelah dioptimalkan dengan metode stepping stone maka Nilai Z = 25020, sebelumnya
dengan metode inspeksi adalah Z = 25200.
Metode M Besar dan Dummy
Misalkan alokasi dari suatu daerah sumber menuju daerah tujuan tidak dimungkinkan
karena berbagai alasan, diantaranya tidak adanya jalur transportasi, biaya yang sangat
mahal, waktu lama melebihi umur ekonomis dan lain-lain. Kasus di atas dapat diatasi
dengan memberikan biaya yang sangat besar (M besar) pada sel yang bersesuaian jika
tujuannya adalah minimasi, atau keuntungan yang sangat kecil (-M besar) jika tujuan
adalah maksimasi. Teknik ini menghasilkan tidak adanya pengalokasian pada sel yang
bersangkutan.
Contoh:
Asal/Tujua
1 2 3 4 Kapasitas
n
1 15 5 M 13 200
2 6 10 20 3 300
3 10 15 10 8 350
4 11 5 16 9 350
Permintaan 300 400 200 300 1200
Solusi dengan metode VAM

Tabel.1
Asal/Tujua Selisih
1 2 3 4 Kapasitas
n
15 5 M 200 8*
1 13
200
2 6 10 20 3 300 3
3 10 15 10 8 350 2
4 11 5 16 9 350 4
400
Permintaan 300 200 300 1200
200
selisih 4 0 6 5
Tabel.2
Asal/Tujua Selisih
1 2 3 4 Kapasitas
n
1
2 6 10 20 3 300 3
15 10 350 2
3 10 8
200 150
4 11 5 16 9 350 4
Permintaan 300 200 200 300 1200
selisih 4 5 6* 5
Tabel.3
Asal/Tujua Selisih
1 2 3 4 Kapasitas
n
1
6 10 3 300 3
2
300
3 10 15 8 150 2
4 11 5 9 350 4
Permintaan 300 200 300 1200
selisih 4 5 5*
Tabel.4
Asal/Tujua Selisih
1 2 3 4 Kapasitas
n
1
2
3 10 15 150 5
11 5 350 4
4
200 150
selisih 1 10*
Tabel.5
Asal/Tujua Selisih
1 2 3 4 Kapasitas
n
1
2
10 150 10
3
150
11 150 11
4
150
Permintaan 300 1200
selisih 1
Ringkasan pekerjaan di atas
Asal/Tujua
1 2 3 4 Kapasitas
n
15 5 M
1 13 200
200
2 6 10 20 3 300
0 300
10 15 10
3 8 350
150 200
11 5
4 16 9 350
150 200
Permintaan 300 400 200 300 1200
Jumlah sel basis (sel isi) seharusnya 4 + 4 – 1 = 7, akan tetapi tabel di atas hanya terisi 6
saja, artinya terjadi kemerosotan, sehingga untuk membantu dalam menentukan solusi
optimal maka perlu mengalokasikan sebanyak 0 pada sel kosong yang biayanya terkecil.
Permintaan dan Persediaan Tidak Seimbang
Penggunaan metode penyelesaian masalah transportasi bisa digunakan jika banyaknya
permintaan = besarnya kapasitas/ suplai (

x 1 +x 2≤3 ). Jika syarat ini tidak dipenuhi
maka diperlukan penambahan daerah asal atau daerah tujuan. Dummy ini hanya bersifat
sementara, hanya ada dalam perhitungan.
Contoh: Penyelesaian dengan NWC
Asal/Tujua Dummy
A B C Kapasitas
n
W 4 8 8 0
76
72 4
16 24 16 0
X 82
82
8 16 24 0
Y 77
16 41 20
Permintaan 72 102 41 20 215\ 235
Penyelesaian optimasi dengan metode MoDi

Sel Basis/ Isi: 11, 12, 22, 32, 33, 34
11 x1 ,x2≥0 Z=3x1+2x2+0s1+0s2 = 4 2x 1+x 2+s1=5
12 x1+x2+s2=3 x1 ,x2 ,s1 ,s2≥0 = 8 x1 x2
22 s1 s2 = 24 s1 s2
32 Z
x 1 = 16 s1 b'1 =
b1
a11
1
[ 1
1 1 5
0
] a [ 1 1 0 1 3 ]− 1
33 2
=[2 1 1 0 5] 2 2 2 = 24 b'2=b 2− 21 (b1 )
a 11 2
a 31
[ 1 1 0 1 3] − 1 1 1 0 5
[ ] b'3 =b 3− ( b1 )
34 [2 1 1 0 5] =0 [
1 1 1
22 2 0 - 1
2 2 2 ] a11
Sel non basis/ sel kosong: 13, 14, 21, 23, 24, 31
13 [−3 -2 0 0 0]+
3
2
[ 2 1 1 0 5] = 0 + 16 – 8 = 8
1 1 15
14
3 3 15
[ ]
[−3 -2 0 0 0 ]+ 3 0
22 2
[ 0 -
2 2
0
2 ] = 0 + (-8) – 0 = - 8
21 x1 x2 = 16 + 4 – 16 = 4
23 s1 s2 = 16 + 16 – 16 = 16 positif terbesar
1 5
1
24 2 2 = 2
1 1
31 s2 2 = −
2
Asal/Tujua Dummy
A B C Kapasitas
n
W 4 8 8 0
76
72 4
16 24 16 0
X 82
41 41
8 16 24 0
Y 77
57 20
Permintaan 72 102 41 20 215\ 235
Sel Basis/ Isi: 11, 12, 22, 23, 32, 34
11
1
2
Z =4
−
1
2
12
1
2
15
2 =8 x2 s2
22
1
2
a22= = 24 1
2
b'1 =b1 −
a12
a22
( b2 )
1
1 1 5
23 [ 1
1 1 5
0
2 2 2 ] 1
2
2 = 16 [ 0
1 1 1
- 1
2 2 2 ] [ 1
2 2
0
2 ]
1
32 [ 0
1 1 1
- 1
2 2 2 ] [ 1 0 1 -1 2] = 16 b'2 =
a22
b2
=
1
2
1 1 1 15
34 [ 0
1 1 1
- 1
2 2 2 ] [ 0 1 -1 2
2 ] =0
a
b'3=b 3− 32 (b2 )
a 22
[ 0 -
2 2
0
2 ]
1 1 1
13
−1
1
2
2
[ 0 -
2 2
1
2 ] =0+0–8=-8
1 1 1
14 [ 0-
1 1 15
0
2 2 2 ] [ 0 -
2 2
1
2 ] = 0 + (-8) – 0 = - 8
21 [0 0 0 1 8]
x1 = 16 + 4 – 16 = 4
24 x2 s1 = s2
31 x2 Z = 8 48  4
33 
u3  v3  c33 = x1
Asal/Tujua Dummy
A B C Kapasitas
n
W 4 8 8 0
76
72 4
16 24 16 0
X 82
21 41 20
8 16 24 0
Y 77
77
Permintaan 72 102 41 20 215\ 235
Sel Basis/ Isi: 11, 12, 22, 23, 24, 32
11 x2 s1 = 4 s2
12 x2 Z =8 x1 x2
22 s1 s2 u  24  8  16
= 24  2
u v v  16  16  0
23  2 3 = 16  3
u v v  0  16  16
24  2 4 = 0  4
32 
u3  v2 = 16  u3  16  8  8
13 
u1  v3  c13 = 0 + 0 – 8 = - 8
14 
u1  v4  c14 = 0 + (-16) – 0 = - 16
21 
u2  v1  c21 = 16 + 4 – 16 = 4
31 
u3  v1  c31 = 8  4  8  4
33 
u3  v3  c33 = 8  0  24  16
34 
u3  v4  c34 = 8  ( 16)  0  8
Asal/Tujua Dummy
A B C Kapasitas
n
W 4 8 8 0
76
51 25
X 16 24 16 0
82
21 41 20
8 16 24 0
Y 77
77
Permintaan 72 102 41 20 215\ 235
Sel Basis/ Isi: 11, 12, 21, 23, 24, 32
11 
u1  v1 = 4  v1  4
12 
u1  v2 = 8  v2  8
21 
u2  v1 = 16  u2  16  4  12
u v v  16  12  4
23  2 3 = 16  3
u v v  0  12  12
24  2 4 = 0  4
32 
u3  v2 = 16  u3  16  8  8
13 
u1  v3  c13 = 0 + 4 – 8 = - 4
14 
u1  v4  c14 = 0 + (-12) – 0 = - 12
22 
u2  v2  c22 = 12 + 8 – 24 = - 4
31 
u3  v1  c31 = 8  4  8  4
33 
u3  v3  c33 = 8  4  24  12
34 
u3  v4  c34 = 8  ( 12)  0  4
Asal/Tujua Dummy
A B C Kapasitas
n
4 8 8 0
W 76
76
X 16 24 16 0
82
21 41 20
Y 8 16 24 0
77
51 26
Permintaan 72 102 41 20 215\ 235
Sel Basis/ Isi: 12, 21, 23, 24, 31, 32
12 
u1  v2 = 8  v2  8
21 
u2  v1 = 16  u2  16  0  16
u v v  16  16  0
23  2 3 = 16  3
u v v  0  16  16
24  2 4 = 0  4
31 
u3  v1 = 8  v1  8  8  0
32 
u3  v2 = 16  u3  16  8  8
11 
u1  v1  c11 = 0 + 0 – 4= - 4
13 
u1  v3  c13 = 0 + 0 – 8 = - 8
14 
u1  v4  c14 = 0 + (-16) – 0 = - 16
22 
u2  v2  c22 = 16 + 8 – 24 = 0
33 
u3  v3  c33 = 8  0  24  16
34 
u3  v4  c34 = 8  ( 16)  0  8
Karena sel basis/ sel kosong sudah negatif semua atau sama dengan 0 maka tabel sudah
optimal.
Z = 2424
Solusi masalah transportasi dengan solver excel
Seperti hal nya pada metode simpleks yang bisa diselesaikan dengan solver excel maka
masalah transportasi juga bisa diselesaikan dengan solver excel.
Contoh:
Seorang pedagang beras mempunyai dua gudang di Kudus dan Semarang, yang masing-
masing menyiapkan beras sebanyak 120, 140 ton. Pedagang tersebut mempunyai daerah
pemasaran di Jepara, Pati, Purwodadi, Blora dan Kendal yang masing-masing
membutuhkan beras sebanyak 40, 60, 80, 40 dan 25 ton. Ongkos angkut tiap ton beras
dari Kudus ke Jepara, Pati, Purwodadi, Blora dan Kendal masing-masing Rp 50.000, Rp
45.000, Rp 65.000 , Rp 75.000 dan Rp 60.000, ongkos angkut dari Semarang ke Jepara,
Pati, Purwodadi, Blora dan Kendal masing-masing Rp 60.000, Rp 55.000, Rp 70.000,
Rp 85.000 dan Rp 45.000.
Bagaimana pedagang tersebut mendistribusikan beras dagangannya untuk memenuhi
permintaan masing-masing daerah dengan batasan kapasitas gudang, agar biaya
minimum pengiriman tercapai ?
Dalam linear programming, masalah tersebut dapat diformulasikan dalam model

matematik yang meliputi tiga tahap :
1. Variabel keputusan, yaitu variable yang menguraikan secara lengkap keputusan yang
akan di buat.
Variabel keputusan dalam masalah ini adalah banyaknya barang yang akan dikirimkan
dari masing-masing gudang ke masing-masing daerah.
Variabel keputusan masalah tersebut dapat dilambangkan sebagai berikut :
x1A = jumlah barang yang dikirimkan dari pabrik Kudus ke daerah Jepara
x1B = jumlah barang yang dikirimkan dari pabrik Kudus ke daerah Pati
x1C = jumlah barang yang dikirimkan dari pabrik Kudus ke daerah Purwodadi
x1D = jumlah barang yang dikirimkan dari pabrik Kudus ke daerah Blora
x1E = jumlah barang yang dikirimkan dari pabrik Kudus ke daerah Kendal
x2 A = jumlah barang yang dikirimkan dari pabrik Semarang ke daerah Jepara
x2 B = jumlah barang yang dikirimkan dari pabrik Semarang ke daerah Pati
x2C = jumlah barang yang dikirimkan dari pabrik Semarang ke daerah Purwodadi
x2D = jumlah barang yang dikirimkan dari pabrik Semarang ke daerah Blora
x2E = jumlah barang yang dikirimkan dari pabrik Semarang ke daerah Kendal
2. Fungsi tujuan: yaitu fungsi dari variable keputusan yang akan dioptimumkan.
Tujuan dari masalah tersebut di atas adalah meminimumkan biaya trasportasi total. Biaya
transport adalah sejumlah biaya dari masing-masing gudang ke masing-masing daerah.
Misalkan biaya dari Kudus ke daerah Jepara adalah perkalian antara banyaknya beras
yang dikirim dari Kudus ke Jepara dengan biaya tranport per ton dalam hal ini
(Rp.50.000). Dengan cara serupa juga dapat dihitung untuk pabrik dan daerah lainnya.
Sehingga total biaya transport ( Z ) dapat ditulis :
Z  50.000 x1 A  45.000 x1B  65.000 x1C  75.000 x1D  60.000 x1E  60.000 x2 A  55.000 x2 B 
70.000 x2C  85.000 x2 D  45.000 x2 E
3. Kendala adalah pembatasan-pembatasan yang harus dipenuhi yang mencerminkan

keterbatasan sumberdaya masalah itu
Dalam masalah ini ada dua kendala yaitu kendala permintaan dan kendala kapasitas
gudang. Total barang yang diterima di masing-masing daerah harus lebih besar atau
sama dengan permintaan daerah tersebut, serta total barang yang dikirimkan dari masing-
masing pabrik harus lebih kecil atau sama dengan kapasitas produksi gudang tersebut.
Kendala permintaan:
Daerah A:
x1 A  x2 A  40
Daerah B:
x1B  x2 B  60
Daerah C:
x1C  x2C  80
Daerah D:
x1D  x2 D  40
Daerah E:
x1E  x2 E  25
Kendala kapasitas produksi:
Gudang 1:
x1 A  x1B  x1C  x1D  x1E  120
Gudang 2:
x2 A  x2 B  x2C  x2 D  x2 E  140
Kendala non negative
x1 A , x1B , x1C , x1D , x1E , x2 A , x2 B , x2C , x2 D , x2 E  0
Setelah merumuskan model linear programming tersebut, langkah selanjutnya adalah

masuk ke aplikasinya dalam Solver Excel untuk mencari nilai optimalnya.
Keterangan:
7. Nilai keputusan awal pada sel B12:F13 ditentukan sembarang, dalam hal ini di pilih
x1 A  x1B  x1C  x1D  x1E  x2 A  x2 B  x2C  x2 D  x2 E  1 , nilai-nilai optimum akan
dicari oleh komputer.

8. Kendala permintaan: (sel B14:F14)
Sel B14 adalah formula dari: SUM(B12:B13), dengan cara yang sama sampai sel F14
9. Kendala kapasitas produksi (sel G12)
G12=SUM(B12:F12), dengan cara yang sama untuk sel F13
10. Sel D18 adalah formula dari D18=SUMPRODUCT(B12:F13,B4:F5)
11. Pilih menu “data” kemudian “solver”.
Set Target Sel: $D$18 (karena D18 mengandung formula target keuntungan)
Equal to: Min
By Changing Sell: $B$12:$F$13 (karena sel B12 sampai F13 adalah adalah sel yang
berisi nilai-nilai optimum dari variabel keputusan yang akan diganti oleh komputer)
Subject to the Constraints: Diisi dengan jalan memilih Add, sebagai berikut:
Add Constraint
Cell Reference: Constraint:
$B$14:$F$14 >= $B$16:F16 (Add)
$G$12:$G$13 <= $I$12:$I$13 (Add)
Kemudian pada kotak dialog solver option dipilih Assume Linear Model dan Assum
Non-Negative. Terus OK
12. Pilih “solver” maka computer akan memunculkan “solver result” berikut
Hasil solusi masalah linear programming di atas oleh Solver Microsoft Excel
ditunjukkan
sebagai berikut:
Tampilan sheet worksheetnya berubah seperti berikut:
Keterangan:
Final Value dari minimum biaya transportasi adalah Rp.14.625.000 berarti biaya
transportasi untuk mengirimkan beras dari gudang di Kudus dan gudang di
Semarang ke lima daerah yang memesan beras adalah senilai Rp.14.625.000,
dengan rincian sebagai berikut:
 Gudang di Kudus mengirimkan 20 ton ke Jepara, 60 ton ke Pati dan 40
ton ke blora, sehingga total barang yang dikirim sejumlah 120 ton.
 Gudang di Semarang mengirimkan 20 ton ke Jepara, 80 ton ke Purwodadi
dan 25 ton ke Kendal, sehingga total barang yang dikirim sejumlah 125
ton dan masih ada sisa barang 15 ton beras di gudang Seamarang untuk
disimpan..
Metode Transportasi dengan LINGO
Contoh kasus:
Seorang pedagang beras mempunyai dua gudang di Kudus dan Semarang, yang masing-
masing menyiapkan beras sebanyak 120, 140 ton. Pedagang tersebut mempunyai daerah
pemasaran di Jepara, Pati, Purwodadi, Blora dan Kendal yang masing-masing
membutuhkan beras sebanyak 40, 60, 80, 40 dan 25 ton. Ongkos angkut tiap ton beras
dari Kudus ke Jepara, Pati, Purwodadi, Blora dan Kendal masing-masing Rp 50.000, Rp
45.000, Rp 65.000 , Rp 75.000 dan Rp 60.000, ongkos angkut dari Semarang ke Jepara,
Pati, Purwodadi, Blora dan Kendal masing-masing Rp 60.000, Rp 55.000, Rp 70.000,
Rp 85.000 dan Rp 45.000.
Bagaimana pedagang tersebut mendistribusikan beras dagangannya untuk memenuhi
permintaan masing-masing daerah dengan batasan kapasitas gudang, agar biaya
minimum pengiriman tercapai ?
Global optimal solution found.
Objective value: 14625.00
Infeasibilities: 0.000000
Total solver iterations: 0
Elapsed runtime seconds: 0.12
Model Class: LP
Total variables: 10
Nonlinear variables: 0
Integer variables: 0
Total constraints: 8
Nonlinear constraints: 0
Total nonzeros: 30
Nonlinear nonzeros: 0
Variable Value Reduced Cost

ASAL( KUDUS) 120.0000 0.000000
ASAL( SEMARANG) 140.0000 0.000000
DEMAND( JEPARA) 40.00000 0.000000
DEMAND( PATI) 60.00000 0.000000
DEMAND( PWD) 80.00000 0.000000
DEMAND( BLORA) 40.00000 0.000000
DEMAND( KENDAL) 25.00000 0.000000
COST( KUDUS, JEPARA) 50.00000 0.000000
COST( KUDUS, PATI) 45.00000 0.000000
COST( KUDUS, PWD) 65.00000 0.000000
COST( KUDUS, BLORA) 75.00000 0.000000
COST( KUDUS, KENDAL) 60.00000 0.000000
COST( SEMARANG, JEPARA) 60.00000 0.000000
COST( SEMARANG, PATI) 55.00000 0.000000
COST( SEMARANG, PWD) 70.00000 0.000000
COST( SEMARANG, BLORA) 85.00000 0.000000
COST( SEMARANG, KENDAL) 45.00000 0.000000
SHIP( KUDUS, JEPARA) 40.00000 0.000000
SHIP( KUDUS, PATI) 60.00000 0.000000
SHIP( KUDUS, PWD) 0.000000 5.000000
SHIP( KUDUS, BLORA) 20.00000 0.000000
SHIP( KUDUS, KENDAL) 0.000000 25.00000
SHIP( SEMARANG, JEPARA) 0.000000 0.000000
SHIP( SEMARANG, PATI) 0.000000 0.000000
SHIP( SEMARANG, PWD) 80.00000 0.000000
SHIP( SEMARANG, BLORA) 20.00000 0.000000
SHIP( SEMARANG, KENDAL) 25.00000 0.000000
Row Slack or Surplus Dual Price

1 14625.00 -1.000000
2 0.000000 -60.00000
3 0.000000 -55.00000
4 0.000000 -70.00000
5 0.000000 -85.00000
6 0.000000 -45.00000
7 0.000000 10.00000
8 15.00000 0.000000
BAB VI
METODE PENUGASAN
Masalah penugasan bermula dari penempatan para pekerja pada bidang yang tersedia
agar biaya yang ditanggung perusahaan dapat diminimalkan. Jika pekerja dianggap sebagai
sumber dan pekerjaan dianggap sebagai tujuan, maka model PENUGASAN akan sama dengan
masalah transportasi, dimana jumlah sumber dan tujuan sama, setiap sumber hanya
menghasilkan satu demikian pula setiap tujuan hanya memerlukan satu.
Suplai pada semua sumber adalah 1, yaitu

ai =1 untuk semua i . Hal yang sama juga terjadi pada
bj x
tujuan, permintaan pada semua tujuan adalah 1, yaitu =1 untuk semua j . Karena ij
menunjukkan penugasan, berarti nilainya hanya 2, yaitu 0 atau1.
1, jika pekerjaan i ditugaskan ke pekerja (mesin) j
xij  
0, jika pekerjaan i tidak ditugaskan ke pekerja (mesin) j
xij c
Misalkan adalah variabel keputusan penugasan pekerja i ke pekerjaan j , ij sebagai biaya
penugasan pekerja i ke pekerjaan j , maka model pemrograman liniernya adalah:

z   cij xij
Min/ maks
Terhadap x ij  1, i  1, 2,..., n
x ij  1, j  1, 2,..., n
xij  1 atau 0
i dan j sama karena asumsi dalam modelnya adalah jumlah pekerja sama dengan pekerjaan.
Penentuan solusi optimal dilakukan menggunakan metode Hungarian. Langkah-langkah solusi

menggunakan metode Hungarian adalah sebagai berikut:
1. Menyusun tabel penugasan. Letakkan pekerjaan sebagai baris dan pekerja (mesin)
sebagai kolom). Jumlah baris sama dengan jumlah kolom, untuk memenuhi asumsi. Jika
tidak sama maka diperlukan dummy.
2. Untuk setiap baris, kurangkan semua nilai dengan dengan nilai terbesar (untuk kasus
maksimasi) yang ada pada baris tersebut.
3. Periksa kolom, jika ada kolom yang belum memiliki nilai nol, maka semua nilai pada
kolom tersebut dikurangi dengan nilai Terkecil (untuk tujuan maksimasi dan minimum)
yang ada pada kolom yang bersangkutan.
4. Periksa apakah solusi layak sudah optimum. Pemeriksaan dilakukan dengan
menggambarkan garis-garis vertikal dan horizontal yang memiliki yang melewati nilai
nol. Jika jumlah garis yang terbentuk sama dengan jumlah baris/kolom maka solusi layak
optimal sudah diperoleh.
5. Jika solusi layak optimal belum diperoleh, kurangkan semua nilai yang tidak dilewati
garis dengan nilai terkecil (untuk tujuan minimasi) atau nilai terbesar (untuk tujuan
maksimasi), dan tambahkan nilai terkecil/ terbesar tersebut pada nilai yang terletak pada
perpotongan garis. Nilai lainnya (yang dilewati garis tapi tidak terletak pada
perpotongan) tidak berubah.
6. Kembali ke langkah 4
Contoh 1: Untuk masalah maksimasi

Bagian personalia PT. AKAKOM baru saja mengadakan seleksi calon karyawan yang
akan ditugaskan pada 5 macam jenis jabatan, kita sebut saja A, B, C dan D, E. Dari hasil
seleksi terpilih 5 orang yang memiliki hasil tes paling tinggi. Keempat calon tersebut,
yaitu Calon 1, 2, 3, 4 dan 5, kemudian diujicobakan pada ke 5 jabatan itu secara
bergantian selama 4 bulan. Selama ujicoba tersebut kinerja mereka diukur dan hasilnya
dapat dilihat pada tabel berikut ini:
A B C D E
1 10 12 10 8 15
2 14 10 9 15 13
3 9 8 7 8 12
4 13 15 8 16 11
5 10 13 14 11 17
Tujuan dari solusi kasus ini dengan menggunakan model pemrograman linier adalah
menemukan penugasan yang akan memaksimumkan kinerja total.
Solusi:
Jumlah pekerjaan = jumlah pekerja, dengan demikian asumsi sudah dipenuhi.
1. Tabel penugasannya adalah:
A B C D E
1 10 12 10 8 15
2 14 10 9 15 13
3 9 8 7 8 12
4 13 15 8 16 11
5 10 13 14 11 17
2. Pengurangan elemen setiap baris. Karena masalah maksimum maka maka setiap
elemen dikurangi dengan elemen terbesar di setiap baris
A B C D E
1 5 3 5 7 0
2 1 5 6 0 2
3 3 4 5 4 0
4 3 1 8 0 5
5 7 4 3 6 0
3. Berdasarkan tabel di atas, terlihat bahwa kolom A, B dan C belum memiliki elemen
0, sehingga pada kolom tersebut tiap elemen dikurangi dengan elemen terkecil pada
tiap kolom tersebut.
4. Periksa keoptimalan penugasan dengan menggambarkan garis vertikal atau
horizontal yang melewati angka nol, dimulai dari baris atau kolom yang angka nol
nya paling banyak. Jika jumlah garis yang terbentuk = jumlah baris atau kolom
maka solusi layak dan optimal diperoleh.
A B C D E
1 4 2 2 7 0
2 0 4 3 0 2
3 2 3 2 4 0
4 2 0 5 0 5
5 6 3 0 6 0
5. Berdasarkan table di atas maka solusi optimal belum diperoleh karena jumlah
baris/kolom adalah 5 akan tetapi jumlah garis yang melewati elemen 0 hanya 4
buah. Langkah selanjutnya adalah mengurangi angka yang tidak kena garis dengan
angka terkecil pada baris/kolom tersebut dan menambahkan angka tersebut pada
angka yang tercoret dua kali, sehingga didapatkan table di bawah ini.
A B C D E
1 2 0 0 5 0
2 0 4 3 0 4
3 0 1 0 2 0
4 2 0 5 0 7
5 6 3 0 6 2
6. Berdasarkan table di atas banyaknya garis adalah 5 sama dengan banyaknya baris
atau kolom sehingga solusi sudah optimal.
7. Pembacaan solusi optimal adalah dengan mencoba menugaskan pekerja ke
pekerjaan dengan nilai optimal adalah 0. Berdasarkan nilai 0 pada table di atas,
maka table penugasannya adalah sebagai berikut:
Karyawan Kemungkinan pekerjaan skor

Pekerjaan
1 B, C, E B 12
2 A, D A 14
3 A, C, E E 12
4 B, D D 16
5 C C 14
Total 68
Contoh 2: Masalah minimasi

Sebuah perusahaan membutuhkan 7 orang tenaga kerja yang akan ditempatkan di 7 jenis
posisi yang masih kosong, setelah dilakukan tes terpilihlah 7 orang. Biaya penugasan
seorang karyawan untuk pekerjaan yang berbeda adalah berbeda karena sifat pekerjaan
berbeda-beda. Setiap karyawan mempunyai tingkat ketrampilan, pengalaman kerja dan
latar belakang pendidikan serta latihan yang berbeda pula. Sehingga biaya solusi
pekerjaan yang sama oleh para karyawan yang berlainan juga berbeda. Tabel biaya
sebagai berikut:
1 2 3 4 5 6 7
A 1.5 2 1 1.5 2 3 4
B 3 3 1.5 2 2.5 3 2
C 2 1 4 2 1 1 1
D 1.5 1.5 2 3 3 1 1.5
E 4 3 3 1.5 1.5 3 1
F 2 2 3 2 4 1.5 2
G 2.5 2.5 1.5 1 1.5 2 1.
Tentukan penugasan optimal sehingga biayanya minimum.

Solusi:
Banyaknya pekerjaan = banyaknya pekerja, sehingga asumsi sdah dipenuhi
1. Tabel penugasannya
P PEKERJA
1 2 3 4 5 6 7
E
A 1.5 2 1 1.5 2 3 4
K B 3 3 1.5 2 2.5 3 2
C 2 1 4 2 1 1 1
E
D 1.5 1.5 2 3 3 1 1.5
R E 4 3 3 1.5 1.5 3 1
J F 2 2 3 2 4 1.5 2
G 2.5 2.5 1.5 1 1.5 2 1.
A
A
N
2. Pengurangan nilai terkecil pada setiap baris

P PEKERJA
1 2 3 4 5 6 7
E
A 0.5 1 0 0.5 1 2 3
K B 1.5 1.5 0 0.5 1 1.5 0.5
E C 1 0 3 1 0 0 0
D 0.5 0.5 1 2 2 0 0.5
R E 3 2 2 0.5 0.5 2 0
J F 0.5 0.5 1.5 0.5 2.5 0 0.5
G 1.5 1.5 0.5 0 0.5 1 0.5
A
A
N
3. Berdasarkan table di atas, kolom 1 belum memiliki angka 0, dan nilai terkecil pada
kolom tersebut adalah 0.5, sehingga semua angka pada kolom 1 dikurangi dengan nilai
terkecil pada kolom tersebut yaitu angka 0.5, sehingga tabelnya menjadi seperti berikut:
P PEKERJA
1 2 3 4 5 6 7
E
A 0 1 0 0.5 1 2 3
K B 1 1.5 0 0.5 1 1.5 0.5
E C 0.5 0 3 1 0 0 0
D 0 0.5 1 2 2 0 0.5
R E 2.5 2 2 0.5 0.5 2 0
J F 0 0.5 1.5 0.5 2.5 0 0.5
G 1 1.5 0.5 0 0.5 1 0.5
A
A
N
4. Berdasarkan table di atas, karena banyaknya garis tidak sama dengan banyaknya
baris/kolom maka solusi belum optimal, sehingga angka yang tidak terkena garis harus
dikurangi dengan angka terkecil yang tidak terkena garis tersebut, dan angka yang
terkena coretan sebanyak 2 kali ditambahkan dengan angka terkecil yang tidak terkena
garis tersebut. Angka terkecil yang tidak dilalui garis pada table di atas adalah angka 0.5
P PEKERJA
1 2 3 4 5 6 7
E
A 0 0.5 0 0 0.5 2 3
K B 1 1 0 0 0.5 1.5 0.5
E C 1 0 3.5 1 0 0.5 0.5
D 0 0 1 1.5 1.5 0 0.5
R E 2.5 1.5 2 0 0 2 0
J F 0 0 1.5 0 2 0 0.5
G 1.5 1.5 1 0 0.5 1.5 1
A
A
N
5. Pada table di atas banyaknya garis adalah 7 sama dengan banyaknya baris/kolom
sehingga dikatakan solusi sudah optimal.
Pembacaan table optimlnya dengan mencoba menugaskan pekerja ke pekerjaan dengan
nilai pada table optimal adalah 0. Berdasarkan nilai 0 pada table di atas dapat
digambarkan sebagai berikut:
Pekerja Kemungkinan pekerjaan Biaya
Pekerjaan
1 A, D, F A 1.5
2 C, D, F D 1.5
3 A, B B 1.5
4 A, B, E, F, G G 1
5 C, E C 1
6 D, F F 1.5
7 E E 1
Total 9
Penggunaan Big M dan Dummy

Penggunaan Dummy dilakukan jika banyaknya baris dan kolom tidak sama, atau dengan kata
lain banyaknya pekerjaan yang ditawarkan tidak sama dengan banyaknya pekerja.
Contoh: masalah minimasi
P PEKERJA
E 1 2 3 4 5
K A 15 20 18 22 21
E B 14 16 21 17 15
R C 25 20 23 20 17
J D 17 18 18 16 18
A
A
N
Solusi:
Karena banyaknya pekerja tidak sama dengan banyaknya pekerjaan maka untuk memenuhi
asumsi harus ada penambahan jenis pekerjaan yang sifatnya semu hanya untuk memenuhi
asumsi saja. Tabelnya menjadi seperti berikut:
Iterasi ke-0
P PEKERJA
E 1 2 3 4 5
K A 15 20 18 22 21
E B 14 16 21 17 15
C 25 20 23 20 17
R
D 17 18 18 16 18
J
Dummy 0 0 0 0 0
A
A
N
Iterasi ke-2
P PEKERJA
E 1 2 3 4 5
K A 0 5 3 7 6
E B 0 2 7 3 1
C 8 3 6 3 0
R
D 1 2 2 0 2
J
Dumm 0 0 0 0 0
A
A y
N
Iterasi ke-3
P PEKERJA
E 1 2 3 4 5
K A 0 3 1 7 6
E B 0 0 5 3 1
C 8 1 4 3 0
R
D 1 0 0 0 2
J
Dumm 2 0 0 2 2
A
A y
N
Solusi sudah optimal

Pekerja Kemungkinan pekerjaan Biaya
Pekerjaan
A 1 1 15
B 1, 2 2 16
C 5 5 17
D 2, 3, 4 4 16
Dummy 2, 3 3 0
Total 64
Solusi dengan Excel

Seperti hal nya pada metode simpleks yang bisa diselesaikan dengan solver excel maka
masalah transportasi juga bisa diselesaikan dengan solver excel.
Contoh:
Untuk masalah maksimasi
Bagian personalia PT. AKAKOM baru saja mengadakan seleksi calon karyawan yang
akan ditugaskan pada 5 macam jenis jabatan, kita sebut saja A, B, C dan D. Dari hasil
seleksi terpilih 4 orang yang memiliki hasil tes paling tinggi. Keempat calon tersebut,
yaitu Calon 1, 2, 3, 4 dan 5, kemudian diujicobakan pada ke 5 jabatan itu secara
bergantian selama 4 bulan. Selama ujicoba tersebut kinerja mereka diukur dan hasilnya
dapata dilihat pada tabel berikut ini:
PEKERJAAN
A B C D E
K 1 10 12 10 8 15
A 2 14 10 9 15 13
Y 3 9 8 7 8 12
A 4 13 15 8 16 11
W 5 10 13 14 11 17
A
N
Formulasi model linier dari masalah ini adalah sebagai berikut:
Maksimumkan Z =
10 X 1 A  12 X 1B  10 X 1C  8 X 1D  15 X 1E
Contoh penyelesaian penugasan dengan LINGO
SETS:
FLIGHT;
ASSIGN( FLIGHT, FLIGHT): X, CHANGE;
ENDSETS
DATA:
FLIGHT = 1..5;
! The value of assigning i to j;
CHANGE = 31 45 38 0 0
29 41 35 0 0
32 46 40 0 0
28 42 50 0 0
50 50 50 0 0 ;
ENDDATA
!---------------------------------;
! Maximize value of assignments;
Min = @SUM(ASSIGN: X * CHANGE);
@FOR( FLIGHT( I):
! Each I must be assigned to some J;
@SUM( FLIGHT( J): X( I, J)) = 1;
! Each I must receive an assignment;
@SUM( FLIGHT( J): X( J, I)) = 1;
);
END
Hasilnya:
Global optimal solution found.

Objective value: 107.0000
Infeasibilities: 0.000000
Total solver iterations: 12
Elapsed runtime seconds: 0.15
Model Class: LP
Total variables: 25
Nonlinear variables: 0
Integer variables: 0
Total constraints: 11
Nonlinear constraints: 0
Total nonzeros: 65
Nonlinear nonzeros: 0
Variable Value Reduced Cost

X( 1, 1) 0.000000 1.000000
X( 1, 2) 0.000000 1.000000
X( 1, 3) 1.000000 0.000000
X( 1, 4) 0.000000 0.000000
X( 1, 5) 0.000000 0.000000
X( 2, 1) 0.000000 2.000000
X( 2, 2) 1.000000 0.000000
X( 2, 3) 0.000000 0.000000
X( 2, 4) 0.000000 3.000000
X( 2, 5) 0.000000 3.000000
X( 3, 1) 0.000000 2.000000
X( 3, 2) 0.000000 2.000000
X( 3, 3) 0.000000 2.000000
X( 3, 4) 0.000000 0.000000
X( 3, 5) 1.000000 0.000000
X( 4, 1) 1.000000 0.000000
X( 4, 2) 0.000000 0.000000
X( 4, 3) 0.000000 14.00000
X( 4, 4) 0.000000 2.000000
X( 4, 5) 0.000000 2.000000
X( 5, 1) 0.000000 20.00000
X( 5, 2) 0.000000 6.000000
X( 5, 3) 0.000000 12.00000
X( 5, 4) 1.000000 0.000000
X( 5, 5) 0.000000 0.000000
CHANGE( 1, 1) 31.00000 0.000000
CHANGE( 1, 2) 45.00000 0.000000
CHANGE( 1, 3) 38.00000 0.000000
CHANGE( 1, 4) 0.000000 0.000000
CHANGE( 1, 5) 0.000000 0.000000
CHANGE( 2, 1) 29.00000 0.000000
CHANGE( 2, 2) 41.00000 0.000000
CHANGE( 2, 3) 35.00000 0.000000
CHANGE( 2, 4) 0.000000 0.000000
CHANGE( 2, 5) 0.000000 0.000000
CHANGE( 3, 1) 32.00000 0.000000
CHANGE( 3, 2) 46.00000 0.000000
CHANGE( 3, 3) 40.00000 0.000000
CHANGE( 3, 4) 0.000000 0.000000
CHANGE( 3, 5) 0.000000 0.000000
CHANGE( 4, 1) 28.00000 0.000000
CHANGE( 4, 2) 42.00000 0.000000
CHANGE( 4, 3) 50.00000 0.000000
CHANGE( 4, 4) 0.000000 0.000000
CHANGE( 4, 5) 0.000000 0.000000
CHANGE( 5, 1) 50.00000 0.000000
CHANGE( 5, 2) 50.00000 0.000000
CHANGE( 5, 3) 50.00000 0.000000
CHANGE( 5, 4) 0.000000 0.000000
CHANGE( 5, 5) 0.000000 0.000000
Row Slack or Surplus Dual Price

1 107.0000 -1.000000
2 0.000000 -2.000000
3 0.000000 -28.00000
4 0.000000 1.000000
5 0.000000 -42.00000
6 0.000000 -2.000000
7 0.000000 -36.00000
8 0.000000 0.000000
9 0.000000 2.000000
10 0.000000 -2.000000
11 0.000000 2.000000
DAFTAR PUSTAKA
Ruminta. 2009. Pemrograman Linier. Jakarta. Rekayasa Sains

Depdiknas. 1994. Program LInier. Jakarta: Dirjen Pen. Das dan Menengah.
Hardi Suyitno, 1995. Program Linier. Semarang

Program Linier

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Program Linier

Diunggah oleh

Hak Cipta:

Format Tersedia

DAFTAR ISI

DAFTAR ISI ............................................................................................................................ i

1. Pengertian Program Linier

a. Variabel keputusan (decision variables): → adalah variabel yang nilai-

b. Fungsi tujuan (objective function):

c. Pembatasan (constraint): → adalah pembatasan-pembatasan yang

Misalkan Z=8(15)+6(0)+ (0)+ (18) : jagung

s 1 : jumlah produk 2 yang dihasilkan

s1=0 : jumlah produk 3 yang dihasilkan

s2=0 : jumlah produk 4 yang dihasilkan

 Keuntungan per unit dari produk 1 = 4 x 1 + 2 x 2 + s1 =60

 Keuntungan per unit dari produk 2 = →

 Keuntungan per unit dari produk 3 = 4 x 1 + 2 x 2 =60

 Keuntungan per unit dari produk 4 = →

7. Formulasikan persoalan program linier berikut:

Tentukan nilai maksimum dan minimum dari Z = −6 x 1=−72 , dengan syarat:

Titik potong dengan sumbu Y untuk pertidaksamaan → adalah (0, 6) dan

Titik potong kedua garis adalah

x2=30−24 adalah (4,2)

Jadi nilai maksimumnya adalah 30 dan nilai minimumnya adalah 0

a. Buatlah garis x 2=6 , dimana Z=8x1+6x2 +0s1+0s2 merupakan bentuk objektif

yang dicari nilai optimumnya. Untuk mempermudah, ambil Z=8(12)+6(6)+0(0)+0(0)

berbeda atau menggeser garis x 1=12 ke kiri atau ke kanan.

melalui titik Z=132 , maka

Geserlah garis g sehingga memotong daerah

feasible di titik yang paling kiri, yaitu garis

Tentukan nilai maksimum dan minimum dari Z = −6 x 1=−72 , dengan syarat:

f. Berikan tanda titik sudut di setiap pojoknya dengan mengklik

h. Jika menginginkan daerah fisibelnya yang tidak diarsir maka

C. Langkah-langkah Solusi dengan metode simpleks

Bentuk baku dari persoalan maksimum tersebut,

Paling minimum, jadi

Z mempunyai nilai negatif terbesar, sehingga variabel masuk adalah → .

terkecil, sehingga variabel keluar adalah

mempunyai nilai negatif terbesar, sehingga variabel masuk adalah → .

sehingga variabel keluar adalah

Angka pivot adalah

Nilai baru Tabel Simpleks 3 dengan angka pivot Z=5(2)+3(0)+0(1)+0(0) Z=10

sehingga perhitungan iterasi dihentikan. Jadi solusi optimum diperoleh x 1=1

tabel simpleks di fase 2 menjadi :

pertidaksamaan  dapat diubah ke pertidaksamaan  dengan mengalikan kedua ruas

Tabel sudah mencapai optimum dan layak dengan Z = 12,

KASUS KHUSUS DALAM SIMPLEKS

Pada tabel 1, kolom pivotnya adalah kolom

Jika iterasi tersebut dilanjutkan dengan memilih

sebagai variabel keluar maka akan didapatkan tabel 3 berikut:

Jadi solusi optimal kedua didapatkan dengan nilai optimal

b. Solusi tidak terbatas

terus tanpa ada batas dengan memperhatikan koefisien dari

Solusi simpleks kasus tersebut adalah:

[ 2 1 1 0 5] tidak bisa menjadi variabel keluar karena koefisien dari

METODE SIMPLEKS YANG DIREVISI

menjadi variabel basis awal, sedangkan

Vektor s 1 juga dipartisi menjadi

pada Vektor s 2 . Matriks Z terdiri dari vektor kolom

Jadi bentuk dasar ditulis dengan:

Kendala ( A, I ) X  b karena X II bersesuaian dengan elemen-elemen Z=3x1+2x2 yang

berkaitan dengan basis awal 2x1+x2≤5 sehingga kendala menjadi

2x1+x2+0s1+0s2+MR1+MR 2−Z=0 3x1+x2−s1+R1=9 = x1+x2−s2+R2=6

Langkah-langkah Solusi Metode Simpleks yang direvisi

Untuk masalah maksimasi (minimasi) vektor ¿ dipilih dengan nilai

¿ paling negative (positif) (tentukan sembarang jika lebih dari satu

yang sama). Jika semua ¿ 3C+D maka solusi optimal sudah

dicapai. Dengan 3C+D≥40 dan 2C+2D≥60