MAKALAH PROGRAM LINIER

“METODE BIG M”

(Disusun untuk memenuhi tugas mata kuliah Program

Linear)Dosen Pengampu : Siti Salamah Br. Ginting, M.Pd

Disusun Oleh:
Kelompok C

Yosi Syahfitri Siahaan (0305202087)

Muhammad Eko Pratama (0305192097)
Durriah Hasibuan (0305202084)

PROGRAM STUDI PENDIDIKAN MATEMATIKA

FAKULTAS ILMU TARBIYAH DAN KEGURUAN

UNIVERSITAS ISLAM NEGERI SUMATERA UTARA

MEDAN

T.A 2022/2023

1
 KATA PENGANTAR

Puji syukur penulis panjatkan kehadirat Allah Subhanahuwataa’la

karena dengan Rahmat, Karunia, serta Taufik dan hidayah-Nya penulis dapat
menyelesaikan makalah tentang “Metode Big M”. Penulis berterima kasih
kepada Ibu Siti Salamah Br. Ginting, M.Pd dosen mata kuliah Program
Linear yang memberikan tugas ini.
Penulis sangat berharap makalah ini dapat berguna dalam menambah
wawasan serta pengetahuan kita mengenai penerapan metode ini. Penulis juga
menyadari bahwa di dalam makalah ini terdapat kekurangan dan jauh dari
kata sempurna. Oleh sebab itu , penulis berharap adanya kritik, saran dan
usulan demi perbaikan makalah yang telah penulis buat dimasa yang akan
datang, mengingat tidak ada sesuatu yang sempurna tanpa saran yang
membangun.
Semoga makalah sederhana ini apat dipahami bagi siapapun yang
membacanya. Sekiranya makalah yang telah disusun ini dapat berguna bagi
penulis sendiri maupun orang yang membacanya. Sebelumnya penulis mohon
maaf apabila terdapat kesalahan kata-kata yang kurang berkenan, dan
memohon kritik dan saran yang membangun.

Medan , 15 September 2022

Tim Penyusun

2
 DAFTAR ISI

KATA PENGANTAR ................................................................................... 2

DAFTAR ISI ................................................................................................. 3

BAB I PENDAHULUAN ............................................................................. 4

A. Latar Belakang .................................................................................. 4

B. Rumusan Masalah ............................................................................. 4
C. Tujuan ................................................................................................ 5

BAB II PEMBAHASAN ............................................................................... 6

A. Persoalan Simpleks untuk persoalan maksimisasi ........................... 6

B. Persoalan simpleks untuk persoalan minimisasi .............................. 6
C. Metode Big M .................................................................................... 7
D. Contoh ................................................................................................ 8

BAB III PENUTUP ..................................................................................... 10

A. Kesimpulan ......................................................................................10
B. Saran ................................................................................................ 10

3
 BAB I

PENDAHULUAN

A. Latar Belakang

Sejarah Perkembangan Linear Programming Ide linear

programming pertama kali dicetuskan oleh seorang ahli matematika
asal Rusia bernama L.V. Kantorivich dalam bukunya yang berjudul
Mathematical Methods In The Organization And Planning Of
Production. Dengan buku ini, ia telah merumuskan pertama kalinya
persoalan Linear Programming. Namun, cara-cara pemecahan
persoalan ini di Rusia tidak berkembang dengan baik dan ternyata
para ahli di negara Barat dan AS yang menggunakan cara ini
dimanfaatkan dengan baik.
Operasi riset (operation research) merupakan penerapan
beberapa metode ilmiah yang membantu memecahkan persoalan
rumit yang muncul dalam kehidupan sehari-hari kemudian di
inteprestasikan dalam permodelan matematika guna mendapatkan
informasi solusi yang optimal. Operational research juga banyak
digunakan untuk mengambil keputusan yang logis serta dapat
dijelaskan secara kuantitatif. Pendekatan khusus ini bertujuan
membentuk suatu metode ilmiah dari sistem menggabungkanukuran-
ukuran faktor-faktor seperti kesempatan dan risiko, untuk
meramalkan dan membandingkan hasil-hasil dari beberapa
keputusan, strategi atau pengawasan. Karena keputusan dalam riset
operasi dapat berkaitan dengan biaya relevan, dimana semua biaya
yang terkaitan dengan keputusan itu harus dimasukkan, kualitas baik
dipengaruhi oleh desain produk atau cara produk dibuat, kehandalan
dalam suplai barang dan jasa, kemampuan operasi untuk membuat
perubahan dalam desain produk atau kapasitas produksi untuk
menyesuaikan diri terhadap perubahan yang terjadi.
Metode Big M digunakan untuk menyelesaikan fungsi-fungsi
dalam program linier yang tidak berada dalam bentuk baku atau
standar ( bentuk standar adalah memaksimalkan Z sesuai dengan
kendala fungsional dalam bentuk ≤ dan kendala nonegativitas di
semua variabel) dan salah satu contoh masalah dalam kendala
funsional adalah bila fungsi dalam bentuk-bentuk = atau ≥ atau
bahkan ruas kanan yang negatif.
B. Rumusan Masalah
1. Bagaimana penyelesaian algoritma simplex untuk persoalan
maksimisasi?
2. Bagaimana penyelesaian algoritma simplex untuk persoalan
minimisasi?
3. Bagaimana cara menyelesaikan metode Big M?

4
C. Tujuan
1. Untuk mengetahui bagaimana penyelesaian algoritma simplex
untuk persoalan maksimisasi.
2. Untuk mengetahui bagaimana penyelesaian algoritma simplex
untuk persoalan minimisasi.
3. Untuk mengetahui cara penyelesaian metode big M.

5
 BAB II

PEMBAHASAN

A. Algoritma Simplex untuk Persoalan Maksimisasi

1. Konversikan formulasi persoalan ke dalam bentuk standar u ntuk
mengubah pembatas bentuk ≤ menjadi =, dengan cara me
nambahkan variabel slack (slack variabel), disingkat is .
2. Cari Basic Feasible Solution (BFS)
3. Jika seluruh variabel non basis mempunyai koefisien non negatif
(artinya berharga positif atau nol) pada baris fungsi tuj
uan ( baris persamaan݂ yang biasa juga disebut baris nol), maka

BFS sudah optimal. Jika pada baris nol masih ada variabel
dengan koefisien negatif, pilihlah salah satu variabel yang
mempunyai koefisien paling negatif (negatif paling besar) pada
baris 0 itu. Variabel ini akan memasuki status variabel basis,
karena ini variabel ini disebut sebagai variabel yang masuk me
njadi variabel basis (EnteringVariabel, disingkat EV).
4. Hitung rasio dari ruas kanan/koefisienEV pada pembatas di mana
EV nya mempunyai koefisien positif. Variabel basis pada baris
pembatas dengan rasio positif terkecil akan berubah status
menjadi variabel nonbasis. Vari abel ini kemudian disebut
sebagai variabel yang meninggalkan basis atau Leaving
Variabel, disingkat LV. Lakukan operasi baris elementer (El
ementerrowOperation) untuk membuat koefisien EV pada baris
dengan rasio positif terkecil ini menjadi berharga 1 dan berharga
0 pada baris‐baris lainnya. Kembali ke langkah 3.

Catatan: Jika ditemukan lebih dari satu baris yang mempunyai

rasio positif terkecil, pilihlah salah satu. Cara ini tidak akan
mempengaruhi hasil perhitungan akhir.
B. Algoritma Simplex untuk Persoalan Minimisasi
Untuk menyelesaikan persoalan program linier dengan fungsi tu juan
meminimumkan ݂. , ada dua cara yang dapat dilakukan, yait u:
1. Mengubah fungsi tujuan dan persamaannya, kemudian meny
elesaikannya sebagai persoalan maksimisasi.
2. Memodifikasi langkah 3 sehingga seluruh variabel non basis

pada baris 0 mempunyai koefisien yang berharga non positif (arti

nya berharga negatif atau nol), maka BFS sudah optimal. Jika pa

6
 da baris 0 masih ada variabel dengan koefisien positif, pilihlah s
alah satu variabel yang berharga paling positif pada baris 0 itu u
ntuk menjadi EV.
3. Untuk mengubah pembatas (constraint) bentuk ≥ menjadi =, kita
harus mengubah ruas kiri dengan variabel baru i e
untuk i =1,2,…,n yang disebut Excess Variable
C. Metode Big M
Perbedaan metode Big M dengan primal simpleks biasa
terletak pada pembentukan tabel awal. Jika fungsi kendala
menggunakan bentuk pertidaksamaan ≥, perubahan dari bentuk umum
ke bentuk baku memerlukan satu variabel surplus. Variabel surplus
tidak dapat berfungsi sebagai variabel basis awal, karena koefisiennya
bertanda negatif. Sebagai variabel basis pada solusi awal, harus
ditambahkan satu variabel buatan. Variabel buatan pada solusi
optimal harus bernilai 0, karena variabel ini memang tidak ada.
Teknik yang digunakan untuk memaksa variabel buatan
bernilai 0 pada solusi optimal adalah dengan cara berikut:
• Penambahan variabel buatan pada fungsi kendala yang tidak
memiliki variabel slack, menuntut penambahan variabel
buatan pada fungsi tujuan.
• Jika fungsi tujuan adalah maksimisasi, maka variabel buatan
pada fungsi tujuan mempunyai koefisien +M.
• Jika fungsi tujuan adalah minimisasi, maka variabel buatan
pada fungsi tujuan mempunyai koefisien –M.
• Karena koefisien variabel basis pada tabel simpleks harus
bernilai 0, maka variabel buatan pada fungsi tujuan harus
digantikan nilai dari fungsi kendala yang memuat variabel
buatan tersebut.
• Secara ringkas, aturan yang dapat digunakan untuk
memudahkan penyelesaian adalah:
Batasan Penyelesaian fungsi Koefisien fungsi tujuan
batasan Maksimisasi Minimisasi
≤ Tambah slack variabel 0 0
= Tambah artificial -M M
variabel
≥ Kurang Slack variabel 0 0

Dan tambah artificial -M M

variabel

7
D. Contoh
Bentuk umum
Min. 𝑧 = 4𝑥1 + 𝑥2
Dengan kendala
3𝑥1 + 𝑥2 = 3
4𝑥1 + 3𝑥2 ≥ 6
𝑥1 + 2𝑥2 ≤ 4
𝑥1, 𝑥2 ≥ 0
Bentuk baku:
𝑀i𝑛. 𝑧 = 4𝑥1 + 𝑥2
Dengan kendala:
3𝑥1 + 𝑥2 = 3
4𝑥1 + 3𝑥2 − 𝑠1 = 6
𝑥1 + 2𝑥2 + 𝑠2 = 4
𝑥1, 𝑥2, 𝑠1, 𝑠2 ≥ 0

Kendala 1 dan 2 tidak mempunyai slack variabel, sehingga

tidak ada variabel basis awal. Untuk berfungs sebagai variabel basis
awal, pada kendala 1 dan 2 ditambahkan masing-masing satu variabel
buatan (artificial variable).
Maka bentuk baku Big-M nya adalah:

Fungsi tujuan:

Min. 𝑧 = 4𝑥1 + 𝑥2 + 𝑀𝐴1 + 𝑀𝐴2

Dengan kendala:

3𝑥1 + 𝑥2 + 𝐴1 = 3

4𝑥1 + 3𝑥2 − 𝑠1 + 𝐴2 = 6

𝑥1 + 2𝑥2 + 𝑠2 = 4

𝑥1, 𝑥2, 𝑠1, 𝑠2 ≥ 0

1. Nilai 𝐴1 digantikan dari fungsi kendala pertama.

𝐴1 = 3 − 3𝑥1 + 𝑥2
𝑀𝐴1 berubah menjadi 𝑀(3 − 3𝑥1 + 𝑥2) → 3𝑀 − 3𝑀𝑥1 + 𝑀𝑥2
2. Nilai 𝐴2 digantikan dari fungsi kendala ketiga.
𝐴2 = 6 − 4𝑥1 − 3𝑥2 + 𝑠1
𝑀𝐴2 berubah menjadi 𝑀(6 − 4𝑥1 − 3𝑥2 + 𝑠1) → 6𝑀 −
4𝑀𝑥1 − 3𝑀𝑥2 + 𝑀𝑠1

8
3. Fungsi tujuan berubah menjadi
𝑀i𝑛. 𝑧 = 4𝑥1 + 𝑥2 + 3𝑀 − 3𝑀𝑥1 − 𝑀𝑥2 + 6𝑀 − 4𝑀𝑥1 −
3𝑀𝑥2 + 𝑀𝑠1
= (4 − 7𝑀)𝑥1 + (1 − 4𝑀)𝑥2 + 𝑀𝑠1 + 9𝑀
4. Tabel awal simpleks
VB 𝑥1 𝑥2 𝑆1 𝐴1 𝐴2 𝑆2 Solusi
z -4+7M -1+4M -M 0 0 0 9M
𝐴1 3 1 0 1 0 0 3
𝐴2 4 3 -1 0 1 0 6
𝑠2 1 2 0 0 0 1 4
5. Perhitungan iterasi nya sama dengan simpleks sebelumnya.
Iterasi 0
VB 𝑥1 𝑥2 𝑠1 𝐴1 𝐴2 𝑆2 Solusi Rasio
Z -4+7M -1+4M -M 0 0 0 9M -
𝐴1 3 1 0 1 0 0 3 1
𝐴2 4 3 -1 0 1 0 6 3/2
𝑠2 1 2 0 0 0 1 4 2
Iterasi 1
VB 𝑥1 𝑥2 𝑠1 𝐴1 𝐴2 𝑠2 Solusi Rasio
Z 0 (1+5M)/3 -M 0 0 0 4+2M -
𝐴1 1 1/3 0 1/3 0 0 1 3
𝐴2 0 5/3 -1 -4/3 1 0 2 6/5
𝑠2 1 5/3 0 -1/3 0 1 3 9/5
Iterasi 2
VB 𝑥1 𝑥2 𝑠1 𝐴1 𝐴2 𝑠2 Solusi Rasio
Z 0 0 1/5 8/5- -1/5-M 0 18/5 -
M
𝐴1 1 0 1/5 3/5 -1/5 0 3/5 25/3
𝐴2 0 1 -3/5 -4/5 3/5 0 6/5 -
𝑠2 1 0 1 1 -1 1 1 1
Iterasi 3 ⇒Optimal
VB 𝑥1 𝑥2 𝑠1 𝐴1 𝐴2 𝑠2 Solusi
Z 0 0 0 7/5-M -M -1/5 17/5
𝐴1 1 0 0 2/5 0 -1/5 2/5
𝐴2 0 1 0 -1/5 0 3/5 9/5
𝑠2 0 0 1 1 -1 1 1

9
 BAB III

PENUTUP

A. Kesimpulan

Perbedaan metode Big M dengan primal simpleks biasa

terletak pada pembentukan tabel awal. Jika fungsi kendala
menggunakan bentuk pertidaksamaan ≥, perubahan dari bentuk umum
ke bentuk baku memerlukan satu variabel surplus. Variabel surplus
tidak dapat berfungsi sebagai variabel basis awal, karena koefisiennya
bertanda negatif. Sebagai variabel basis pada solusi awal, harus
ditambahkan satu variabel buatan. Variabel buatan pada solusi
optimal harus bernilai 0, karena variabel ini memang tidak ada.
B. Saran
Penulis menyadari tentang penyusunan makalah ini tentu
masih banyak kesalahan dan kekurangannya, karena keterbatasan
pengetahuan dan kurangnya rujukan atau referensi yang ada
hubungannya dengan materi ini. Penulis banyak berharap para
pembaca dapat memberikan saran yang membangun kepada penulis
demi sempurnanya makalah ini dan penulisan makalah dikesempatan-
kesempatan berikutnya. Semoga makalah ini berguna bagi penulis
pada khususnya juga para pembacanya.

10