KULIAH IV

METODE SIMPLEX (MAKSIMISASI) DAN DUALITY

 Metode dual simpleks digunakan jika tabel optimal tidak layak

 Jika fungsi kendala ada yang menggunakan pertidaksamaan ≥ dan tidak ada = dalam bentuk
umum Persamaan Linear, maka metode dual simpleks dapat digunakan

1. Menyusun tabel analisis maksimisasi

 Tentukan baris pivot. Baris pivot adalah baris dengan nilai kanan negatif terbesar. Jika
negatif terbesar lebih dari satu, pilih salah satu sembarang
 2 Tentukan kolom pivot. Kolom pivot diperoleh dengan terlebih dahulu membagi nilai baris
z dengan baris pivot. Dalam hal ini semua nilai baris pivot dapat menjadi pembagi kecuali
nilai 0. Kolom pivot adalah kolom dengan rasio pembagian mutlak terkecil. Jika rasio
pembagian mutlak terkecil lebih dari satu, pilih salah satu secara sembarang.
 Pembentukan tabel berikut sama dengan prosedur dalam primal simpleks
 Gunakan tabel simplek berikut:

BASIS Z X1 X2 S1 S2 S3 NK
Z -21 -18 -15 0 0 0 0
S1 -90 -20 -40 1 0 0 -200
S2 -30 -80 -60 0 1 0 -180
S3 -10 -20 -60 0 0 1 -150

2. Memecahkan kasus maksimisasi

Dalam masalah maksimasi, biasanya memiliki kendala pertidaksamaan jenis ≤.

Sekarang akan dijelaskan proses simplex untuk suatu masalah minimasi yang biasanya
memiliki kendala pertidaksamaan jenis ≥. Masalah minimasi menggunakan langkah-langkah
yang sama seperti pada masalah maksimasi, namun ada beberapa penyesuaian yang harus
dibuat. Bagi kendala pertidaksamaan jenis ≤ maka variabel slack ditambahkan untuk
menghabiskan sumber daya yang digunakan dalam kendala. Cara ini tidak dapat diterapkan
pada kendala pertidaksamaan jenis ≥ dan kendala persamaan (=).
Contoh :
 Minimumkan Z = - 3X1 + X2 + X3

dengan syarat : X1 - 2X2 + X3 ≤ 11

- 4X1 + X2 + 2X3 ≥ 3
2X1 - X3 = -1
X1 , X2 , X3 ≥ 0
Persamaan pada kendala ke tiga harus dirubah agar memiliki nilai kanan positip dengan
cara dikalikan (-1), sehingga menjadi :

- 2X1 + X3 = 1

Persamaannya berubah menjadi :

Minimumkan Z = - 3X1 + X2 + X3

dengan syarat : X1 - 2X2 + X3 ≤ 11

- 4X1 + X2 + 2X3 ≥ 3
- 2X1 + X3 = 1
X1 , X2 , X3 ≥0

Istilah variabel slack dan variabel surplus adalah berbeda dimana slack ditambahkan
dan men- cerminkan sumber daya yang tak terpakai, sementara surplus dikurangkan dan
menunjukkan suatu kelebihan atas keperluannya, tetapi keduanya diberikan notasi serupa,
yaitu S.
Kebutuhan utama metode simplex adalah solusi awal layak (initial basic solution).
Tanpa ini maka tabel simplex tidak dapat dibuat. Dari masalah diatas, terdapat tiga (3)
persamaan dan lima (5) variabel tak diketahui, yang berarti bahwa 2 variabel harus menjadi
non basis (nilainya =0) pada setiap solusi.
3. Operasi post optimization

Dalam teori optimasi matematika , dualitas atau prinsip dualitas adalah prinsip
bahwa masalah optimasi dapat dilihat dari salah satu dari dua perspektif, masalah primal
atau masalah ganda . Solusi untuk masalah ganda memberikan batas bawah untuk solusi
masalah primal (minimisasi). Namun secara umum nilai optimal dari masalah primal dan
dual tidak perlu sama. Perbedaan mereka disebut kesenjangan dualitas . Untuk masalah
optimasi cembung , kesenjangan dualitas adalah nol di bawah kondisi kualifikasi kendala
4. Menyusun pemecahan secara duality
 Analisis sensitivitas adalah analisis yang dilakukan untuk mengetahui
akibat/pengaruh dari perubahan yang terjadi pada parameter-parameter LP terhadap solusi
optimal yang telah dicapai. Ada enam tipe perubahan dalam analisis sensitivitas dengan
menggunakan tabel simpleks yaitu :
1. Perubahan koefisien fungsi tujuan untuk variabel nonbasis.
2. Perubahan koefisien fungsi tujuan untuk variabel basis.
3. Perubahan pada ruas kanan suatu pembatas.
4. Perubahan kolom untuk suatu variabel nonbasis.
5. Penambahan suatu variabel atau aktivitas baru.
6. Penambahan suatu pembatas baru.
Dalam perubahan kasus-kasus di atas digunakan soal LP berikut :
Maksimumkan : z = 60 x1 + 30 x2 + 20 x3
Berdasarkan :
8 x1 + 6 x 2 + x3 48
4 x1 + 2 x2 + 1,5 x3  20
2 x1 + 1,5 x2 + 0,5 x3  8
x1, x2 , x3  0
Tabel optimalnya adalah sebagai berikut :

Dari tabel ini dapat didefinisikan beberapa hal sebagai berikut :

BV =  S1 , x3 x2}; NBV =,{ x2, x1 , S2 ,
s1 x1
xBF = [ ];
x3
x1
x NBF = [ S2
s1
]
5. Membandingkan duality dengan primal

1) Parameter batasan-batasan primal (atau dual) merupakan koefisien variabel dual (atau
primal)
 2) Koefisien fungsi tujuan primal (atau dual) merupakan nilai kanan dua ( atau
primalnya)

Primal ( atau Dual ) Dual ( atau Primal )

Batasan I Variabel I

Fungsi Tujuan Nilai kanan

 Variabel dual Y1 Y2, Y3 Berhubungan dengan batasan model primal. Dimana untuk
setiap batasan dalam primal terdapat satu variable dual. Misal, dalam kasus di atas model
primal mempunyai 3 batasan,Maka dualnya akan mempunyai 3 Variable keputusan
 Nilai Kuantitas pada sisi kanan pertidaksamaan pada model primal merupakan koefisien
fungsi tujuan dual.
 Koefisien batasan model primal merupakan koefisien variable keputusan dual.
 Koefisien fungsi tujuan primal, merupakan nilai kuantitas pada sisi kanan per
tidaksamaan pada model dual.
 Pada bentuk standar, model maksimisasi primal memiliki batasan-batasan <, sedangkan
model minimisasi dual memiliki batasan-batasan >.
 Gambar 4.1 hubungan khusus primal dan dual

CONTOH 1 :
Model Primal:
F.tujuan: MaksZ= 160X1 +200X2F.
batasan:2X1+4X2<40
18X1+18X2<216
24X1+12X2<240
X1,X2>0
Model Dual:
F.tujuan: Min
Y=40Y1+216Y2+240Y3
Fungsibatasan:
2Y1 + 18Y2 + 24 Y3> 1604
Y1 + 18 Y2 + 12 Y3 > 200
Y1, Y2, Y3 > 0

 Untuk mentransformasikan model primal kedalam bentuk dual bahwa model primal harus
dalam bentuk standar.
 Bila model primal belum dalam bentuk standar harus dirubah dulu menjadi bentuk
standar.
 Untuk masalah maksimisasi, bentuk standarnya adalah fungsi batasan mempunyai
tanda <.
 Untuk masalah minimisasi, bentuk standarnya adalah fungsi batasan mempunyai
tanda >.