MA 3071 Pengantar Optimisasi

Topik: Program Linear

Agus Yodi Gunawan

FMIPA
Institut Teknologi Bandung, Indonesia

JJ J N I II 1/18
 Masalah Program Linear
Pemograman linear berkaitan dengan masalah optimisasi (minimum
atau maksimum) suatu fungsi linear yang memenuhi kendala-kendala
persamaan/pertidaksamaan linear.

Bentuk:
n
X
Minimum z = cj xj = c1 x1 + c2 x2 + · · · + cn xn
j=1

dengan kendala
a11x1 + a12x2 + · · · + a1nxn ≥ b1
a21x1 + a22x2 + · · · + a2nxn ≥ b2
... ... ... ...
am1x1 + am2x2 + · · · + amnxn ≥ bm
x1 , x2 , ··· , xn ≥ 0.

JJ J N I II 2/18
 Keterangan-keterangan
n
P
Fungsi z = cj xj disebut fungsi obyektif, koefisien cj dikenal de-
j=1
ngan sebutan koefisien biaya, dan xj disebut variabel keputusan. Per-
n
P
taksamaan aij xj ≥ bi disebut kendala ke-i. Koefisien aij untuk
j=1
i = 1, 2, · · · , m dan j = 1, 2, · · · , n, disebut koefisien kendala. Koe-
fisien kendala ini membentuk matriks kendala A,
a11 a12 · · · a1n
 
 a21 a22 · · · a2n 
A=
 ... ... .
... 
am1 am2 · · · amn
Konstanta bi menyatakan nilai minimal yang harus dipenuhi. Kondisi
x1, x2, · · · , xn ≥ 0 disebut kondisi tak negatif dari variabel keputusan.

JJ J N I II 3/18
 Bentuk matriks
Minimum z = c · x
dengan kendala
Ax ≥ b
x ≥ 0.
dimana A merupakan matriks kendala, c, x, dan b menyatakan vektor
kolom dengan masing-masing komponennya adalah cj , xj , dan bj .

Bentuk lain: n
X
Minimum z = cj xj
j=1

dengan kendala
n
P
aj xj ≥ b
j=1
xj ≥ 0, j = 1, 2, · · · , n.
dimana aj menyatakan vektor kolom ke-j dari matriks A.
JJ J N I II 4/18
 Ruang feasibel/ruang pencarian
Minimum z = c · x
dengan kendala
Ax ≥ b
x ≥ 0.
Variabel keputusan x1, x2, · · · , xn yang memenuhi semua kendala dise-
but titik (vektor) feasibel.
Himpunan semua titik-titik feasibel akan membentuk ruang (daerah)
feasibel.
Secara sederhana, masalah pemograman linear dapat dirumuskan seba-
gai berikut:

Diantara semua titik (vektor) feasibel, cari satu (beberapa) titik

(vektor) yang meminimumkan (atau memaksimumkan) fungsi
obyektif (⇒ titik/solusi optimal)

JJ J N I II 5/18
 Asumsi-asumsi pada program linear
Beberapa asumsi diperlukan:

- Proporsionalitas. Untuk variabel keputusan xj , kontribusi biaya

terkait variabel tersebut diberikan dalam bentuk cj xj dan kon-
tribusinya pada kendala diberikan dalam bentuk aij xj . Jika nilai
xj dikalikan dengan faktor k 6= 0 sehingga menjadi kxj , maka kon-
tribusi variabel tersebut terhadap biaya dan kendala juga menjadi k
kali sebelumnya.
- Aditivitas. Asumsi ini menjamin bahwa biaya total adalah penjum-
lahan dari biaya masing-masing variabel keputusan, dan kontribusi
total pada kendala ke-i adalah penjumlahan dari kontribusi masing-
masing variabel keputusan. Dengan kata lain, tidak terjadi interaksi
(perkalian) antara variabel-variabel keputusan.
- Divisibilitas. Asumsi ini menjamin bahwa nilai variabel keputusan
bukan bilangan bulat diperbolehkan.
- Deterministik. Koefisien-koefisien cj , aij , dan bj diasumsikan bersifat
deterministik. Jika terdapat variabel bersifat probabilistik ataupun
stokastik, maka variabel tersebut akan dihampiri dengan variabel
versi deterministik-nya (misal diambil nilai ekspektasinya).
JJ J N I II 6/18
 Teknik Manipulasi:Pertidaksamaan/persamaan
Manipulasi Pertidaksamaan  persamaan dengan memperkenalkan
variabel baru yang disebut variabel surplus atau variabel slack. Sebagai
contoh,
n
• kendala
P
aij xj ≥ bi ditransformasikan dengan memperkenalkan
j=1
n
variabel surplus xn+i ≥ 0 sehingga diperoleh
P
aij xj − xn+i = bi.
j=1
n
• kendala
P
aij xj ≤ bi ditransformasikan dengan memperkenalkan
j=1
n
variabel slack xn+i ≥ 0 sehingga diperoleh
P
aij xj + xn+i = bi.
j=1
n
• jika diperlukan, kendala
P
aij xj = bi ditransformasikan menjadi dua
j=1
n
P n
aij xj ≥ bi dan
P
kendala: aij xj ≤ bi.
j=1 j=1

JJ J N I II 7/18
 Teknik Manipulasi: Variabel tak negatif
Manipulasi Variabel tak negatif (sebagaimana Metode Simplex yang
akan dibahas di bab berikut).

• Jika untuk suatu j nilai variabel keputusan xj tidak dibatasi, sifat ke-
taknegatifan variabel keputusan dapat dipenuhi dengan menuliskan
xj = uj − vj dimana uj , vj ≥ 0. Masalah pemograman linear yang
sekarang akan memuat variabel uj dan vj .
• Jika untuk suatu k nilai variabel keputusan x1, x2, · · · , xk tidak di-
batasi, sifat ketaknegatifan variabel keputusan dapat dipenuhi de-
ngan menuliskan xj = uj − v dimana uj , v ≥ 0 (cukup satu variabel
v). Masalah pemograman linear yang sekarang akan memuat vari-
abel u1, u2, · · · , uk , v, xk+1, · · · , xn. Cara lain dapat dilakukan de-
ngan menyatakan variabel tak dibatasi dalam variabel lainnya yang
tak negatif kemudian mengeliminasi dari persamaan yang ada. Cara
ini jarang dilakukan karena tidak efisien dari sudut pandang kom-
putasi.
• Jika xj ≥ lj , maka variabel tak negatif dapat dibentuk dengan
menuliskan uj = xj − lj . Hal yang sama, jika xj ≤ lj ≤ 0, maka
variabel tak negatif dapat dibentuk dengan menuliskan uj = lj − xj .
JJ J N I II 8/18
 Teknik Manipulasi: Maksimum/minimum
Manipulasi Maksimum  Minimum.

Suatu masalah maksimum (minimum) dapat diubah menjadi masalah

minimum (maksimum) dengan cara mengalikan koefisien-koefisien bi-
aya pada fungsi obyektif dengan faktor ’-1’; Setelah masalah optimisasi
diperoleh, nilai fungsi obyektif lama adalah ’-1’ kali nilai fungsi obyektif
yang baru. Sebagai contoh,
n n
!
X X
Maksimum cj xj = − Minimum −cj xj .
j=1 j=1

JJ J N I II 9/18
 Bentuk baku dan bentuk kanonik
Terdapat dua bentuk umum masalah pemograman linear, yaitu bentuk
baku/standar dan bentuk kanonik.

• Bentuk baku. Bentuk ini mensyaratkan bahwa semua kendala

berupa persamaan dan semua variabel keputusan tak negatif.
Metode Simplex dapat diterapkan hanya ketika masalah pemogra-
man linear sudah dibentuk ke dalam bentuk baku.
• Bentuk kanonik. Bentuk kanonik bermanfaat ketika berbicara
masalah relasi dualitas (akan dibahas di bab selanjutnya).
– Masalah minimum disebut dalam bentuk kanonik, jika semua
variabel keputusannya tak negatif dan semua kendalanya bertipe
’≥’.
– Masalah maksimum disebut dalam bentuk kanonik, jika semua
variabel keputusannya tak negatif dan semua kendalanya bertipe
’≤’.

JJ J N I II 10/18
 Tabel bentuk baku dan bentuk kanonik

Minimum Maksimum
n
P n
P
Minimum z = cj xj Maksimum z = cj xj
j=1 j=1
n
P n
aij xj = bi, i = 1, 2, · · · , m
P
Baku aij xj = bi, i = 1, 2, · · · , m
j=1 j=1
xj ≥ 0, j = 1, 2, · · · , n xj ≥ 0, j = 1, 2, · · · , n
n
P n
P
Minimum z = cj xj Maksimum z = cj xj
j=1 j=1
n
P n
aij xj ≥bi, i = 1, 2, · · · , m
P
Kanonik aij xj ≤bi, i = 1, 2, · · · , m
j=1 j=1
xj ≥ 0, j = 1, 2, · · · , n xj ≥ 0, j = 1, 2, · · · , n

JJ J N I II 11/18
 Solusi geometris

min z = c1 x1 + c2 x2 = c · x

Diasumsikan c1 ∗ c2 ≥ 0 (dipilih kasus kedua kosntanta bernilai negatif). Karena dicari nilai z yang
minimum, maka garis yang memenuhi z = c1 x1 + c2 x2 harus digerakkan sejajar dengan dirinya
dalam arah yang meminimumkan fungsi obyektif z. Arah pergerakan dari garis diberikan oleh
vektor −c = (−c1 , −c2 ) (ingat arah negatif gradien dari fungsi z). Ketika vektor x∗ = (x∗1 , x∗2 )
dicapai, garis z = c1 x1 + c2 x2 tak dapat digerakkan lebih jauh dalam arah −c karena akan berada
di luar daerah feasibel. Dengan demikian, vektor x∗ dikatakan merupakan solusi optimal.

Perlu dicatat bahwa titik (solusi) optimal x∗ merupakan salah satu dari lima titik pojok daerah
feasibel (titik pojok biasa disebut titik ekstrim). Hal ini akan dibahas lebih jauh pada bab-bab
berikutnya.

Untuk masalah maksimum, garis z = c1 x1 + c2 x2 harus digerakkan sejajar dengan dirinya dalam
arah vektor c.
JJ J N I II 12/18
 Jenis solusi optimal

1. Solusi optimal tunggal. Jika solusi optimal bersifat tunggal, maka solusi merupakan ’titik
pojok’ (titik ekstrim) pada daerah feasibel. Gambar kiri memberikan ilustrasi solusi optimal
tunggal pada daerah feasibel terbatas dan daerah feasibel tak terbatas.
2. Solusi optimal tak berhingga banyak. Kasus ini diilustrasikan oleh Gambar tengah. Pada
Gambar tengah (a) titik ekstrim x∗1 dan x∗2 merupakan titik optimal; demikian pula dengan
titik-titik yang terletak pada segmen garis yang menghubungkan kedua titik-titik tersebut. Hal
yang sama berlaku untuk Gambar tengah (b).
3. Tidak ada solusi optimal. Gambar kanan memberikan ilustrasi untuk kasus ini. Untuk masalah
minimum, garis z = c1 x1 + c2 x2 dapat digerakkan terus menerus dalam arah −c dengan tetap
berada pada daerah feasibel. Hal lain yang dapat terjadi pada kasus ini adalah daerah feasibel
yang hampa. Contoh, minimum z = −2x + 3y dengan kendala −x + 2y ≤ 2, 2x − y ≤ 3, y ≥
4, x ≥ 0, dan y ≥ 0.

JJ J N I II 13/18
 Tafsiran geometris ruang feasibel

n
X
Minimum z = cj x j
j=1

dengan kendala
n
P
aj xj = b
j=1
xj ≥ 0, j = 1, 2, · · · , n.
Masalah ini dapat dilihat sebagai berikut: diberikan vektor-vektor a1 , a2 , · · · , an , akan ditentukan
n
P Pn
skalar tak negatif x1 , x2 , · · · , xn sehingga memenuhi aj xj = b dan meminimumkan z = cj x j .
j=1 j=1
n
P
Perlu dicatat bahwa aj xj dengan xj tak negatif merupakan ’kerucut’ (cone) yang dibangun oleh
j=1
vektor-vektor aj (lihat Gambar). Jadi sistem akan memiliki solusi feasibel jika dan hanya jika vektor
b berada pada ’kerucut’ yang dibangun oleh vektor-vektor a1 , a2 , · · · , an . (bagaimana untuk ≤ b?)

JJ J N I II 14/18
 Cara pandang lain
Masalah pemograman linear dapat pula dipandang sebagai berikut: ten-
tukan skalar tak negatif x1, x2, · · · , xn sehingga
       
c1 c2 cn z
x1 + x2 + · · · + xn = ,
a1 a2 an b
dengan nilai z minimum.

Dengan kata lain, mencari vektor (z, b) yang terletak pada kerucut yang
dibangun (cj , aj ) dengan nilai skalar z minimum.

JJ J N I II 15/18
 Contoh 1

Minimum z = −2x1 − 3x2 dengan kendala: x1 + 2x2 ≤ 2, x1, x2 ≥ 0.

Tambahkan slack variabel x3 ≥ 0 sehingga diperoleh
       
−2 −3 0 z
x1 + x2 + x3 = ,
1 2 1 2
dimana z akan dicari yang minimum. Kerucut yang dibangun oleh
(−2, 1), (−3, 1), dan (0, 1) ditunjukkan oleh Gambar. Vektor (z, 2) akan
dicari dengan nilai z yang minimum. Hal ini diberikan oleh z = −4
dengan x1 = 2, x2 = 0, x3 = 0.
JJ J N I II 16/18
 Contoh 2

Minimum z = −2x1 − 3x2 dengan kendala: x1 + 2x2 ≥ 2, x1, x2 ≥ 0.

Tambahkan surplus variabel x3 ≥ 0 sehingga diperoleh
       
−2 −3 0 z
x1 + x2 + x3 = ,
1 2 −1 2
Kerucut yang dibangun oleh (−2, 1), (−3, 1), dan (0, −1) ditunjukkan
oleh Gambar. Dari gambar tersebut dapat dilihat bahwa solusi optimal-
nya tak terbatas.

JJ J N I II 17/18
 Latihan
1. Minimum z = x1 − 2x2 − 3x3 dengan kendala
x1 + 2x2 + x3 ≤ 14
x1 + 2x2 + 4x3 ≥ 12
x1 − x2 + x3 = 2
x1 , x2 tak dibatasi
x3 , ≤ −3
Reformulasi masalah di atas ke dalam bentuk baku, bentuk kanonik.
2. Maksimum z = x1 − x2 dengan kendala
−x1 + 2x2 ≤ 0
−3x1 + x2 ≥ −3
x1, x2 ≥ 0
Sketsa ruang feasibel di ruang (x1, x2), Identifikasi daerah di ruang
(x1, x2) dimana slack variabel x3 dan x4 keduanya bernilai nol. Sele-
saikan masalah di atas secara geometris. Gambarkan dan interpre-
tasikan daerah feasibilitasnya.
JJ J N I II 18/18