Sekilas Metode Simpleks

METODE SIMPLEKS
A. Bentuk Standar Model Program Linear

Perlu diingatkan kembali bahwa permasalahan model program linear dapat memiliki
pembatas-pembatas linear yang bertanda , , , dan peubah-peubah keputusannya dapat
merupakan peubah nonnegatif, dapat pula peubah yang tidak terbatas dalam tanda
(unrestricted in sign).
Dalam menyelesaikan permasalahan program linear dengan metode simpleks,
bentuk dasar yang digunakan haruslah merupakan bentuk standar, yaitu bentuk formulasi
yang memenuhi ketentuan berikut ini:
1. Seluruh pembatas linear harus berbentuk persamaan dengan ruas kanan yang nonnegatif.
2. Seluruh peubah keputusan harus merupakan peubah nonnegatif.
3. Fungsi tujuannya dapat berupa maksimasi atau minimasi.
Beberapa hal yang dapat dilakukan untuk mengubah bentuk permasalahan program
linear yang belum standar ke dalam bentuk standar permasalahan program linear sesuai
dengan 3 ketentuan di atas adalah:
1). Pembatas linear (linear constraint)
a) Pembatas linear bertanda ”≤” dapat dijadikan suatu persamaan ”=” dengan cara
menambahkan ruas kiri dari pembatas linear itu dengan slack variable (peubah
penambah). Slack variable pada umumnya digunakan untuk mewakili jumlah
kelebihan ruas kanan pembatas linear dibandingkan dengan ruas kirinya. Pada
pembatas linear bertanda ”≤”, ruas kanan umumnya mewakili batas ketersediaan
sumber daya sedangkan ruas kiri umumnya mewakili penggunaan sumber daya
tersebut yang dibatasi oleh berbagai kegiatan yang berbeda (peubah) dari suatu model
program linear sehingga slack variable dapat diartikan untuk mewakili jumlah sumber
daya yang tidak dipergunakan.
b) Pembatas linear bertanda ”≥” dapat dijadikan suatu persamaan ”=” dengan cara
mengurangkan ruas kiri dari pembatas linear itu dengan surplus variable (peubah
penambah negatif). Pada pembatas linear bertanda ”≥”, ruas kanan umumnya
mewakili penetapan persyaratan spesifikasi minimum, sehingga surplus variable dapat
diartikan untuk mewakili jumlah kelebihan sesuatu dibandingkan spesifikasi
minimumnya.
Fitriani A/09/2009 1
Jurusan Pendidikan Matematika
UPI
c) Ruas kanan dari suatu persamaan dapat dijadikan bilangan nonnegatif dengan cara
mengalikan kedua ruas dengan  1.
d) Arah pertidaksamaan berubah apabila kedua ruas dikalikan dengan  1.
e) Pembatas linear dengan pertidaksamaan yang ruas kirinya berada dalam tanda mutlak
dapat diubah menjadi dua pertidaksamaan.
2). Peubah keputusan
Suatu peubah keputusan xi
yang tidak terbatas dalam tanda dapat dinyatakan
sebagai dua peubah keputusan nonnegatif dengan menggunakan substitusi:
x  x1  x2 2.1
i i i
dimana
x1  0 dan x2  0 . Selanjutnya substitusi ini harus dilakukan pada seluruh
i i
pembatas linear dan fungsi tujuannya.
3). Fungsi tujuan
Walaupun permasalahan model program linear dapat berupa maksimasi atau
minimasi, kadang-kadang diperlukan perubahan dari satu bentuk ke bentuk lainnya.
Dalam hal ini, maksimasi dari suatu fungsi adalah sama dengan minimasi dari negatif
fungsi yang sama. Secara matematis dapat dinyatakan sebagai berikut:
maksimumkan z
sama artinya dengan:
minimumkan  z 
B. Metode Simpleks
1. Pendahuluan
Metode simpleks merupakan prosedur aljabar yang bersifat iteratif, yang bergerak
step by step, dimulai dari suatu titik ekstrim pada daerah fisibel menuju ke titik ekstrim yang
optimum. Untuk lebih memahami uraian selanjutnya, berikut ini diberikan pengertian dari
beberapa terminologi dasar yang banyak digunakan dalam membicarakan metode simpleks.
Untuk itu, perhatikan kembali permasalahan model program linear dengan m pembatas linear
dan n peubah keputusan berikut ini:
Maksimumkan z  c1x1  c2 x2  cn xn 2.2
berdasarkan pembatas
linear:
UPI
11 x1  12 x2  1n xn , ,  b1
21 x1  22 x2   2n xn , ,  b2
2.3
⁝ ⁝
m1 x1   m2 x2  mn xn  ,  bm
,
dan pembatas tanda
xj   j  1, 2, , n 2.4
0,
Apabila
didefinisikan:
12  c1 x1 b1
 1n    
 11
   
      
c x b
c   2
x   2
; b 2
A  ;
21 22 2n
;0
0   0
⁝ ⁝ ⁝ ⁝ ⁝  ⁝ 
      
 c b
 m  m
  m
 n  xn  m
maka pembatas linear dari permasalahan model program linear pada persamaan (2.3) dapat
dinyatakan dalam bentuk matriks:
A0 x0
 ,  b 2.5
,
Vektor b dinamakan vektor prasyarat dan tanpa meninggalkan generalisasi boleh saja
diasumsikan terdapat elemen bernilai nonnegatif, karena suatu pembatas linear pada
persamaan (2.3) dapat dikalikan dengan  1 apabila diperlukan. Vektor c dinamakan vektor
harga dan komponen ke-r atau cr
dinamakan sebagai nilai xr .
peubah
Seperti telah dikemukakan sebelumnya bahwa dalam menyelesaikan permasalahan
program linear dengan metode simpleks, bentuk dasar yang digunakan haruslah merupakan
bentuk standar program linear, dan langkah pertama yang dilakukan untuk memperoleh
bentuk standar tersebut adalah dengan mengubah pembatas linear bertanda ”≤” dan ”≥”
menjadi suatu persamaan ”=” dengan cara menambahkan ruas kiri pembatas linear dengan
slack variable atau mengurangi ruas kiri dari pembatas linear dengan surplus variable.
Dengan demikian apabila terdapat m pembatas linear dimana sebanyak g pembatas
linear dengan tanda "≤", dan sebanyak h pembatas linear dengan tanda "≥", maka dapat
dinyatakan bahwa terdapat n  g  h pembatas linear dengan tanda "=".
 Apabila pembatas linear ke-p adalah bertanda "≤" maka akan diperoleh bentuk standar:
 p1 x1   p 2 x2   pn xn  xn p  bp
2.6
UPI
 Apabila pembatas linear ke-q adalah bertanda "≥" maka akan diperoleh bentuk standar:
q1 x1   q 2 x2  qn xn  xnq  bq
2.7
UPI
Pada persamaan (2.6) terdapat slack variable yaitu x dan pada persamaan (2.6)
n
p
terdapat surplus variable yaitu x . Slack variable dan surplus variable dapat dinyatakan
nq
x 
n 1
 
 ⁝ 
dalam bentuk vektor kolom berikut: x  x  2.8
s ng
 ⁝ 
 
x
 n  g  h 

dimana x n 1 , xn  2 , , xn  g  adalah slack variables dan x n  g 1 , xn  g  2 , , xn  g  adalah
h 
surplus variables, sehingga dengan adanya slack variable dan surplus variable persamaan
(2.5) dapat dinyatakan sebagai:
 Ig O
A0 x0  
O x
 Ih  s  2.9
b
 O O
 
diman
a x0 adalah vektor peubah pokok (main variable) dan I g , Ih merupakan matriks satuan
(matriks identitas) dengan orde g dan h. Pembatas tanda nonnegatif yang dikenakan pada tiap
peubah adalah
x0  0, xs  0 2.10
Karena adanya penambahan slack variable dan surplus variable maka fungsi tujuan pada
persamaan (2.2) akan menjadi
z  ct x  ct x 2.11
0 0 s s
diman ct 
a , , c ,c , , c  (vektor baris dengan g  h komponen yang
c
s n n n g n g
berasal dari g komponen dari slack variable dan h komponen dari surplus variable).
Dengan adanya slack variable dan surplus variable maka persamaan (2.2), (2.3), dan
(2.4) dengan notasi matriks dapat dinyatakan:
Memaksimumkan: z  ct x  ct x 2.12
0 0 s s
dengan pembatas linear dan

Ax  b x0
UPI
2.13

I g O
diman
a  
A A O I x0 (dan
x x telah dijelaskan sebelumnya).
; x 
 0 h   0 s
x
   s
 O O
Setelah permasalahan program linear terbentuk dalam bentuk standar maka yang
harus dilakukan adalah:
UPI
1. Penyelesaian persamaan Ax  b
simultan
2. Selama mengerjakan tahap 1, syarat restriksi
nonnegatif x  0 dipenuhi
3. Memperbaiki nilai fungsi tujuan z pada tiap iterasi.
Contoh 1:
Diketahui pembatas linear suatu permasalahan program linear: x1  4x2  2x3  8x4  2
 x1  2x2  3x3  4x4  1 .
Ubahlah pembatas linear tersebut di atas sehingga menjadi bentuk standar program linear.
Jawab:
Karena pembatas linearnya bertanda "≤" maka untuk pembatas linear permasalahan program
linear di atas akan ditambahkan slack variable sehingga diperoleh bentuk standar:
x1  4x2  2x3  8x4  1x5  0x6  2
 x1  2x2  3x3  4x4  0x5  1x6  1
diman
a xi  i  5, 6
0,
2. Penyelesaian Dasar (Basic Solution/Solusi Basis)

Perhatikan suatu sistem persamaan
Ax  pada persamaan (2.13). Persamaan
b
tersebut dapat dinyatakan dalam bentuk berikut ini:
x1a1x2a2  xN aN  b
2.14
diman
a a1, a2 , , aN adalah vektor-vektor aktivitas yang merupakan vektor kolom pada
matriks A dengan order m  N diman N  n  g  h . Pada pembahasan ini diasumsikan

 a
bahwa persamaan (2.14) konsisten.

 Apabila jumlah pembatas linear adalah m sama dengan jumlah peubah yaitu N, dan
RankA  m , maka persamaan (2.14) mempunyai penyelesaian tunggal A1b .
yaitu
Apabila hal ini terjadi maka permasalahan program linear tersebut tidak mempunyai solusi
optimal karena daerah fisibel (feasible region) berupa satu titik.
UPI
 Apabila
m  N dan RankA  maka terdapat m  N persamaan pembatas linear
N 
berlebihan (redundant) yang pada prinsipnya dapat diabaikan, sehingga diperoleh kondisi
dimana persamaan (2.14) mempunyai penyelesaian tunggal.
 Apabila untuk persamaan (2.14) diasumsikan bahwa
m dan RankA  serta tiap
N m
peubah
x j secara tetap diasosiasikan berkoresponden dengan vektor kolom a j .
UPI
Selanjutnya apabila dipilih m vektor kolom yang membentuk matriks A adalah bebas
linear dan N  m peubah lain yang berkoresponden dengan vektor-vektor yang tersisa
pada matriks A mempunyai nilai nol, maka himpunan m persamaan simultan itu
mempunyai penyelesaian tunggal yang dinamakan penyelesaian dasar (solusi basis/basic
solution).
Untuk itu m peubah dari solusi basis yang berasosiasi dengan m vektor kolom yang bebas
linear dinamakan peubah dasar (basic variable/BV), sedangkan N  m  peubah sisanya
dinamakan peubah nondasar (nonbasic variable/NBV) yang umumnya ditetapkan bernilai
nol.
 Apabila terdapat satu/lebih BV yang bernilai nol maka permasalahan program linear
tersebut dinamakan degenerasi (merosot) dan BV yang bernilai nol dinamakan peubah
degenerasi.
Untuk lebih jelasnya mengenai solusi basis perhatikan definisi berikut.

Definisi (Solusi Basis)
”Solusi basis untuk
Ax  adalah solusi dimana terdapat maksimal m peubah bukan nol
b
(peubah dasar/BV). Untuk memperoleh solusi basis dari
Ax  maka sebanyak N  m
b
peubah harus dibuat bernilai nol. Peubah-peubah yang dinolkan (dibuat bernilai nol) ini
dinamakan peubah non dasar (NBV). Selanjutnya, dapatkan nilai dari
N  N  m   m
peubah lainnya yang
memenuhi Ax  b .”
Definisi (Solusi Basis Fisibel)

”Jika seluruh peubah pada suatu solusi basis bernilai nonnegatif, maka solusi itu dinamakan
solusi basis fisibel (BFS).”
Sebelum lebih dalam membahas metode simplex, terlebih dahulu perhatikan ilustrasi
berikut ini.
Contoh 2:
4x1  5x2  8x3  7x4  10
Tentukan semua solusi basis dari persamaan simultan
3x1  2x2  6x3  9x4  11
UPI
Jawab:
UPI
Untuk persamaan di atas terdapat banyaknya persamaan yaitu m  dan banyaknya peubah
2
yait
n  4 sehingga banyaknya penyelesaian basis yang mungkin ada sebanyak 6. Karena
u
akan dicari solusi basisnya maka terdapat m  2
(BV) dan n  m  4  2  2 NBV.
 Pertama-tama kita melakukan OBE maka diperoleh:
x1 x2 x3 x4 C x1 x2 x3 x4 C
5 7 5
4 5 8 7 10 1 4 2 4 2
3 2 6 9 11 3 2 6 9 11
x1 x2 x3 x4 C x1 x2 x3 x4 C
5 7 5 5 7 5
1 4 2 4 2 1 4 2 4 2
0 0
15 7 0 1 0 7 2
7 4 2 15
4
x1 x2 x3 x4 C
7
1 0 2 3 5
0 1 0  7 2
15
solusi dasarnya yaitu x1, x2 , x3 , x4   5,  2, 0, artinya NBV adalah x1 x2 ,

0 dan
sedangkan BV
adalah x3 dan x4 .
 Pertama-tama kita melakukan OBE maka diperoleh:
x1 x2 x3 x4 C x1 x2 x3 x4 C
5 7 5
4 5 8 7 10 1 4 2 4 2
3 2 6 9 11 3 2 6 9 11
x1 x2 x3 x4 C x1 x2 x3 x4 C
5 7 5 5 7 5
1 4 2 4 2 1 4 2 4 2
0 0
15 7 0 7 0 1 14
7 4 2 15 15
4
x1 x2 x3 x4 C
UPI
13
1 1419 2 0 15
60
0 7 0 1 14
15 15
UPI

solusi dasarnya yaitu x1 , x2 , x3 , x4   13 , 0, 0, 14 artinya NBV adalah x1 dan x4 ,
15

sedangkan BV x2 dan x3 .
adalah
 Solusi basisnya diperoleh x1 , x2 , x3 , x4   0, 13  31

, 0, 35
31
 artinya NBV x2 dan
adalah
x4 , sedangkan BV adalah
x1 dan x3 .
 Solusi basisnya diperoleh x1 , x2 , x3 , x4   0, 0, 13  30

, 14
15
 artinya NBV x3 dan
adalah
x1 dan x2 .
 
Solusi basisnya diperoleh x1 , x2 , x3 , x4   0,  2, 5 , 0 artinya NBV
2
 x2 dan
adalah
x1 dan x4 .
 Pada saat memisalkan NBV adalah

x1 dan x3 , yang artinya BV adalah x2 dan x4 maka
4
tidak akan diperoleh solusi basis, hal ini dikarenakan vektor kolom x1 dan vektor
3
 
8
kolom x3  tidak bebas linear.
6
Oleh karena itu hanya terdapat 5 solusi basis dari 6 solusi basis yang mungkin.
Untuk memperlancar pemahaman mengenai solusi basis maka kerjakan soal-soal

berikut ini.
1. Tentukan solusi basis dari sistem persamaan berikut ini dengan menggunakan operasi
baris elementer (Gauss-Jordan)
 3x1  2x2  5x3  5
a) 4x1  3x2  2x3  8
x1  x2  3x3  10
x1 
x2  2x3  x4  1
2x1  x2  2x3  2x4  2
b)  x  2x  4x  x  1
1 2 3 4
UPI
3x1  x4  3
2. Tentukan semua solusi basis dari masalah PL yang ada pada contoh 1.
3. Tentukan semua solusi basis dari pembatas linear masalah PL yang diberikan dengan
terlebih dahulu mengubah masalah PL ke dalam bentuk standar PL.
UPI
x1  2x2  x3  12
a)
2x1  x2  x3  6
 x1  3x3  9
x1  2x2  4x3  x4  6
b) 2x1  3x2  x3  x4  12
x1  x3  x4  4
x1  3x2  3
2x1  x2  2
c) 2x  x  8
1 2
4x1  x2  16
UPI
Sebelum kita melanjutkan pembahasan mengenai metode simpleks, berikut ini
adalah teorema yang cukup penting digunakan untuk memahami penerapan metode simpleks.
Teorema 1
Misalkan Ax  merupakan himpunan dari m persamaan dengan N peubah dimana m  N
b
dan
RankA  m . Apabila persamaan tersebut mempunyai solusi basis x  0 maka
dimana
persamaan tersebut mempunyai solusi basis fisibel.
Teorema 1 memberikan kesan bahwa solusi masalah program linear hanya

dilakukan melalui pengujian terhadap solusi basis fisibel yang merupakan pengerjaan dalam
metode simpleks. Dalam hal ini secara iteratif dilakukan pengujian dari satu solusi basis
fisibel ke solusi basis fisibel lainnya sampai fungsi tujuan mencapai nilai optimal. Namun,
kita tidak dapat menyatakan bahwa teorema 1 dapat digunakan untuk memperoleh solusi
masalah program linear secara umum.
Definisi (Solusi Fisibel Titik Ekstrem)

“Solusi fisibel titik ekstrem (titik sudut) adalah solusi fisibel yang tidak terletak pada suatu
segmen garis yang menghubungkan dua solusi fisibel lainnya. Apabila ada sejumlah
n n  3
buah peubah keputusan, maka definisi di atas tidak cocok lagi untuk mengidentifikasi solusi
fisibel titik sudut (titik ekstrem) sehingga pembuktiannya harus dengan cara aljabar.
Ada tiga sifat pokok titik ekstrem ini, yaitu:
1. Jika hanya ada satu solusi optimum, maka pasti ada satu titik ekstrem.
2. Jika solusi optimumnya banyak, maka paling sedikit ada dua titik ekstrem yang
berdekatan. (Dua titik ekstrem dikatakan berdekatan jika segmen garis yang
menghubungkan keduanya itu terletak pada sudut dari batas daerah fisibel).
3. Hanya ada sejumlah terbatas titik ekstrem pada setiap persoalan.
4. Jika suatu titik ekstrem memberikan nilai z yang lebih baik dari yang lainnya, maka pasti
solusi itu merupakan solusi optimum.
Sifat 4 ini menjadi dasar dari metode simpleks yang prosedurnya meliputi 3 langkah sebagai
berikut:
1. Langkah inisialisasi: mulai dari suatu titik ekstrem (0,0)
2. Langkah iteratif: Bergerak menuju titik ekstrem berdekatan yang lebih baik. Langkah ini
UPI
diulangi sebanyak diperlukan.
UPI
3. Aturan penghentian: Memberhentikan langkah ke-2 apabila telah sampai pada titik ekstrem
yang terbaik (titik optimum).
Terdapat dua aturan yang berlaku dalam memilih titik ekstrem yang berikutnya
setelah mencapai suatu titik ekstrem tertentu, yaitu:
1. Titik ekstrem yang berikutnya harus merupakan titik ekstrem yang berdekatan dengan
titik ekstrem yang sudah dicapai.
2. Solusi ini tidak akan pernah kembali ke titik ekstrem yang telah dicapai sebelumnya.
Ide dari metode simpleks dapat dikemukakan secara ringkas yaitu bahwa metode ini
selalu dimulai pada suatu titik sudut fisibel, dan selalu bergerak melalui titik sudut fisibel
yang berdekatan, menguji masing-masing titik mengenai optimalisasinya sebelum bergerak
pada titik lainnya. Untuk mengekspresikan ide di atas dalam konteks metode simpleks,
diperlukan suatu korespondensi antara metode grafik dan metode simpleks mengenai ruang
solusi dan titik-titik sudut (titik-titik ekstrem) sebagai berikut:
Definis geometris (metode grafik) Definisi aljabar (metode simpleks)
Ruang solusi Pembatas-pembatas dalam bentuk standar
Titik-titik sudut/ekstrem Solusi-solusi basis dari bentuk standar
Jumlah iterasi maksimum dalam metode simpleks adalah sama dengan jumlah
maksimum solusi basis dalam bentuk standar, sehingga jumlah iterasi simpleks ini tidak akan
lebih dari:
Cn 
m n  mn! n!
3. Memperbaiki nilai fungsi tujuan
Pada bagian ini akan membahas mengenai iterasi tunggal pada metode simpleks.
Dalam metode simpleks, dimulai dari solusi basis awal pada permasalahan program linear
secara umum. Misalkan diberikan z tertentu sebagai solusi basis awal, maka pada iterasi
berikutnya akan dicoba untuk memperoleh solusi basis fisibel yang baru dengan nilai fungsi
tujuan yang berubah.
Apabila memaksimumkan
z  f x1, x2, , xn  maka nilai z akan ditingkatkan
dengan cara memperoleh solusi basis fisibel yang baru sampai mencapai nilai maksimum
(optimal), sebaliknya apabila meminimumkan
UPI
z  f x1, x2, , xn  maka nilai z
akan
UPI
diturunkan dengan cara memperoleh solusi basis fisibel yang baru sampai mencapai nilai
minimum (optimal). Dengan demikian memperbaiki nilai fungsi tujuan menjadi basis dalam
penerapan metode simpleks ini setara dengan penggunaan garis selidik pada metode grafik.
Perhatikan bentuk permasalahan program linear yang dinyatakan dalam bentuk
standar program linear pada persamaan (2.12) dan (2.13). Misalkan diketahui solusi basis
fisibel dan B merupakan matriks dengan orde m  dimana kolom-kolom dari matriks B
m
merupakan vektor basis, sehingga B dinamakan matriks basis yaitu suatu sub matriks dari
matriks A yang non singular.
Diambil sembarang vektor basis xB dan cB merupakan vektor harga dari peubah
basis, kemudian
Ax  b diidentifikasi beberapa (sejumlah) NBV dan BV dari persamaan
dari
B xB  b 2.15
dan fungsi tujuannya adalah
z  ct x 2.16
B B
Perlu diingat bahwa B merupakan matriks berorde m  dan
m
RankA  m  hal ini berarti bahwa tiap kolom a j dari matriks A merupakan
RankB
kombinasi linear dari kolom bi

pada matriks B. Hubungan tersebut dapat dinyatakan sebagai
berikut
a j  1 j b1  mj bm
atau dinyatakan 2.17

a j  mbi  ij
i1
1 j 
aj B  2.18
j
dimana   
merupakan vektor ⁝ . Selanjutnya, diasumsikan bahwa semua koefisien ij
j  
  mj 
 
UPI
i  1, 2, , m dan  j  1, 2, , N  diketahui untuk solusi basis fisibel.
Solusi basis fisibel yang baru diperoleh dari solusi basis fisibel awal yang diberikan
dengan cara sederhana yaitu dengan hanya mengganti satu kolom matriks B. Untuk matriks
basis baru yang non singular dinotasikan dengan B . Perlu diingat bahwa matriks B yang
terdiri dari m kolom merupakan submatriks dari matriks A yang terdiri dari N kolom.
UPI
Misalkan B dibentuk dengan melalui perubahan kolom br dari matriks B dan
penempatan kembali kolom ak

( ak  0 ) dari matriks A. Dalam hal ini dapat dinyatakan
ak
sebagai kombinasi linear dari b1, , bm :
ak  1k b1  rk br  mk bm

2.19
Lemma berikut ini diperlukan sebagai landasan teori dalam penerapan metode
simpleks.
Lemma 1:
”Apabila vektor-vektor m
b1, , br , , bm adalah bebas linear dan apabila a    i bi , maka
i1
vektor-vektor b1, , br 1, a, br 1 , bm

bebas linear jika dan hanya r  0 .”
jika
Vektor a pada lemma 1 dapat diidentifikasi sebagai vektor pada

ak
persamaan (2.19) sementara kolom-kolom pada matriks basis baru B bebas linear ( B non
singular jika dan hanya jika
rk  0 ). Berdasarkan teorema 1, solusi basis fisibel yang
diberikan adalah
xB1 b1  xBr br  xBr 1 br 1  xBm bm  b
m 2.20
x Bi bi 
i
1 b
merupakan bentuk lain dari persamaan (2.15), yaitu

B xB  b
2.21
Selanjutnya apabila solusi persamaan (2.19) untuk br disubstitusi ke persamaan

(2.20) akan diperoleh solusi basis baru yaitu:
m
 ik 
xBr

 x xBr  bi  ak  b 2.22
i  1;  Bi 
ir rk 
rk
Solusinya harus basis fisibel, yaitu
 ik 
xBi   xBi  rk xBr   0
Fitriani A/09/2009

22
UPI

 rk untuk i  1, , m da
n i  r 2.23
xBr
xBr 
0 2.24

xBr  xBi i  0   
Perlu diperhatikan bahwa  mi ; 2.25
n k 0
rk
 ik
i  1, , m

UPI
Nilai fungsi tujuan dapat ditentukan oleh
z  z , dan untuk permasalahan
memaksimumkan z, diperoleh
m
z   cBi xBi dan z  m c Bi x Bi 2.26
i1 i1
Namun karena cBi  i  r  cBr  serta dengan memeperhatikan persamaan (2.23)

cBi dan ck
dan (2.24), maka diperoleh
m
 ik  xBr
z   cBi  xBi 
i1  rk  rk
ir
xBr
zz z
rk k
c  z  ck 2.27
k
zk 
dimana z
 mc   ct  dan z adalah solusi basis fisibel untuk suatu k yang diberikan
k Bi ik B i k
i1
xBr
karen cB dan  k diketahui. Karena     maka persamaan (2.27) menunjukkan
a 0
rk
bahwa z  z jika dan hanya zk  ck  0 dan   0 .

jika
Penyataan
z  z jika dan hanya jika zk  ck  dan   0 menunjukkan bahwa
0
dapat dipilih vektor ak
dari matriks A untuk masuk dalam matriks basis. Pada kenyataannya
apabila terdapat lebih dari satu k yang menunjukkan bahwa
zk  c k  maka nilai k yang
0
dipilih adalah nilai k yang menunjukkan
zk  ck  yang paling minimum. Hal yang pelu
0
diperhatikan adalah ”Apabila permasalahan program linearnya merupakan permasalahan
memaksimumkan z maka nilai fungsi tujuan dapat ditingkatkan jika dan hanya jika
zk  ck  0 dan   dengan nilai  ditentukan pada persamaan (2.25).”
0
Secara garis besar pada tiap iterasi metode simpleks, terdapat tiga aspek yang perlu
UPI
diperhatikan, yaitu:
1. Vektor ak (berkorespondensi dengan peubah xk ) adalah calon untuk menjadi peubah
masuk (entering variable/EV) pada matriks basis apabila k memenuhi syarat:

zk ck  min 
j c j z j 2.27a
z ; c 0
j 1, , N
j
2. Vektor br (berkorespondensi dengan peubah x ) akan menjadi peubah keluar (leaving

Br
variable/LV) meninggalkan matriks basis apabila r memenuhi syarat:
UPI
xBr
 mi  xBi i  0    0
n k
;
rk i  1, , m
  ik
3. Fungsi tujuan dapat diperbaiki (ditingkatkan apabila memaksimumkan) jika dan hanya
jika
zk  ck  0 dan   0 dimana  diperoleh pada aspek ke-2.
Contoh 3:
Diberikan suatu model permasalahan program linear, berikut ini:
Memaksimumkan:
z  5x1  4x2
x1  2x2  6
dengan pembatas linear  2x1  x2  4 dan dengan pembatas x1 , x2  0
: tanda
5x1  3x2  15
a. Nyatakan permasalahan program linear di atas ke dalam bentuk baku
b. Tentukan matriks basis B awalnya
c. Tentukan vektor ak
yang akan masuk ke dalam matriks
d. Tentukan vektor br
basis yang akan meninggalkan matriks
Jawab:
basis
a. Karena pembatas linearnya bertanda "≤" maka untuk pembatas linear permasalahan
program linear di atas akan ditambahkan slack variable sehingga diperoleh bentuk
standar:
Memaksimumkan: z  5x1  4x2  0x3  0x4  0x5 dengan pembatas linear:
x1  2x2  x3  0x4  0x5  6

 2x1 x2  0x3  x4  0x5  4 dengan pembatas x1, x2 x3 , x4 , x5  0
 tanda
5x1  3x2  0x3  0x4  x5  15
b. Matriks basis awalnya dibentuk berasal dari penambahan slack variable ( x3, x4 , x5 ),
1 0 0

diperoleh: B  0 1 0
 
0 0 1

c. Vektor ak
(berkorespondensi dengan peubah xk ) adalah calon untuk menjadi peubah
UPI
masuk (entering variable/EV) pada matriks basis apabila k memenuhi syarat:
UPI
z c  min z c ; z c  0
k k j j j j
j  1, , 5
zk ck  min0  5, 0  4, 0  0, 0  0, 0  0

zk ck  min 5,  4, 0, 0, 0 untuk k  1
5
sehingga vektor yang akan menjadi peubah masuk (EV) adalah vektor a1 yang
 1 
berkorespondensi dengan peubah x . Jadi yang menjadi EV adalah x   2 .
1 1 
 5 

d. Vektor br
(berkorespondensi dengan peubah xBr ) akan menjadi peubah keluar (leaving
xBr  xBi 
r1  min ik  0    0

; 
i  1, 2, 3 
  ik xB3 
  min xB1
xBr  ;   6 ; 15
 1 5
r1  11 31   
xBr
r1  min6, 3 3
sehingga vektor yang akan menjadi peubah keluar (LV) adalah vektor b3
yang
berkorespondensi dengan
peubah xB3 . Jadi yang menjadi LV adalah xB3  5 3 0 1.
0
4. Mengakhiri Perhitungan Simpleks

Andaikan diketahui bahwa suatu permasalahan program linear mempunyai solusi
basis fisibel yang terbatas jumlahnya, maka yang menjadi pemikiran adalah bagaimana
perubahan dari satu solusi basis fisibel ke solusi basis fisibel berikutnya dapat
diidentifikasikan dengan menggunakan perhitungan simpleks untuk mencapai suatu nilai
fungsi tujuan yang bernilai optimal. Oleh karena jumlah solusi basis fisibel yang terbatas
maka jumlah iterasi dalam perhitungan simpleks pun terbatas. ”Sementara itu pada jumlah
iterasi yang terbatas pada perhitungan simpleks tersebut dapat diperoleh solusi tak terbatas,
adanya kasus siklik, dan kasus degenerasi, hal ini dikarenakan suatu solusi yang tidak
UPI
degenerasi dan tidak optimal selalu dapat ditunjukkan oleh solusi basis fisibel dengan
meningkatkan nilai fungsi tujuan.” Untuk menghindari suatu permasalahan program linear
mempunyai solusi tak terbatas, degenerasi, dan ......, terdapat dua kasus penting untuk
diperhatikan yang terkait dengan  pada persamaan (2.25) sehingga akan diperoleh fungsi
tujuan yang berkorespondensi dengan solusi basis fisibel yang tidak degenerasi, yaitu
UPI
1. Terdapat paling sedikit satu nilai k yang menunjukkan z  c  tetapi  tidak ada
k k
0
karena
ik  0 untuk tiap nilai k dan semua i i  1, 2, , m .
2. Tidak ada k yang menunjukkan z  c  0 . Dengan kata lain terdapat zk  c k  0

k k
nilai
untuk tiap kolom vektor a j pada matriks A.
Kedua kasus tersebut di atas menunjukkan bahwa apabila ada kondisi yang demikian
tersebut di atas maka perhitungan simpleks tidak perlu dilanjutkan karena tidak akan
diperoleh satu solusi basis fisibel yang tidak degenerasi, ataupun terdapat solusi yang tidak
terbatas.
Teorema 2
”Untuk masalah program linear dengan memaksimumkan
z  ct x dengan pembatas linear
Ax 
b dan pembatas tanda x  0 . Misalkan solusi basis fisibel ada dan paling sedikit untuk
satu nilai k
zk  c k  0 ik  0 untuk semua i  1, 2, , m , maka masalah program linear
dan
tersebut mempunyai nilai tak tebatas untuk fungsi tujuannya.”
Teorema 3
”Untuk masalah program linear dengan memaksimumkan z  ct x dengan pembatas linear
dan pembatas tanda x  0 . Apabila pada solusi basis fisibel yang diperoleh terdapat
z j  cj 
untuk tiap kolom aj dari matriks A yang tidak terdapat pada matriks B maka
0
solusi basis fisibelnya adalah optimal.”
Contoh 4:
Memaksimumkan:
z  3x1  (dalam ribuan)
3x2
2x1  x2  30
dengan pembatas linear : 2x1  3x2  60 4x1  3x2  72
UPI
dan dengan pembatas tanda x1 , x2  0
a. Nyatakan permasalahan program linear di atas ke dalam bentuk baku

b. Tentukan matriks basis B awalnya
c. Tentukan nilai
z j  c untuk semua j
dari
j
d. Tentukan vektor ak yang akan masuk ke dalam matriks basis (NBV yang akan jadi BV)
e. Tentukan vektor br yang akan meninggalkan matriks basis (BV yang akan jadi NBV)
UPI
f. Tentukan matriks basis B yang baru
g. Tentukan nilai fungsi tujuan pada iterasi 1
h. Tentukan vektor ak
yang akan masuk ke dalam matriks basis (NBV yang akan jadi BV)
pada iterasi 1
i. Tentukan nilai fungsi tujuan pada akhir iterasi 2
j. Apakah pada akhir iterasi 2 nilai fungsi tujuan telah mencapai optimal?
Jawab:
a. Karena pembatas linearnya bertanda "≤" maka untuk pembatas linear permasalahan
standar:
2x1 
x2  x3  0x4  0x5  30
2x1  3x2  0x3 x4  0x5  dengan pembatas x1, x2 x3 , x4 , x5  0
 60 tanda
4x1  3x2  0x3  0x4  x5  72
b. Matriks basis awalnya dibentuk berasal dari penambahan slack variable ( x3, x4 , x5 ),
1 0 0 2 1
  
diperoleh: B  0 1 0 . Sedangkan matriks A A  2 3
  
0 diperoleh 4 3
0 1
z c  min z c ; z c  0
k k j j j j
j  1, , 5
c. zk ck  min0  3, 0  3, 0  0, 0  0, 0  0

zk ck  min 3,  3, 0, 0, 0 3
d. Karena nilai untuk k = 1 dan k = 2 mempunyai nilai z 

k yang sama maka kita boleh
ck
memilih nilai k yang manapun. Misalkan terlebih vektor yang akan menjadi peubah masuk
(EV) adalah vektor
a1 yang berkorespondensi dengan peubah x1 . Jadi yang menjadi EV
2
adalah x  2 .
1  
 4

xBr ) akan menjadi peubah keluar (leaving
e. Vektor br (berkorespondensi dengan peubah
UPI
UPI
xBr  xBi 
r1  min ik  0    0
; 
i  1, 2, 3 
xBr  ik
 xB1 xB3    30 ; 60 ; 72
 
  min  ; 2 2 4 
r1  11 31   
xBr
r1  min15, 30, 18 15
yang
berkorespondensi dengan
peubah xB1 . Jadi yang menjadi LV xB1  2 1 1 0.
adalah 0
f. Matriks basis awalnya dibentuk berasal dari penambahan slack variable ( x3 , x4 , x5 ),
1 0 0
2 2 1  1 2  15 
  1  
  
diperoleh: B   1 1 0 A  2 3  0 2   30 
     
2 0 1  
 4 3 12 
  0 1
  

g. Pada iterasi pertama nilai fungsi tujuan yang tadinya
z0 menjadi
xBr
zz z
rk
k
  z    0 15 3  0  45  45
ck zk ck
rj
c   z

h. Pada iterasi 1 diperoleh nilai zj j ck  adalah
rk
untuk c z j
k
 z c  z c r1 2
 z c   3   3  3  3  0
1 1 1 1 1
1 r1 2
 z c  z c r 2 1 3 3
 z c   3   3  3  
2 2 2 2 1 1
r1 2 2 2
 z c  z c r 3 1 3 3
 z c   0   3  0  
3 3 3 3 1 1
r1 2 2 2
 z c  z c
UPI
r 4 0
 z c   0   3  0  0  0
4 4 4 1 1
4 r1 2
 z c  z c r 5 0
 z c   0   3  0  0  0
5 5 5 5 1 1
r1 2
UPI
sehingga  3 3 
zk ck  min 0,  , , 0, 0   untuk nilai k=2. Oleh karena itu pada
3
 2 2  2
iterasi 1 vektor yang akan menjadi peubah masuk (EV) adalah vektor a2
yang
1 
 2
berkorespondensi dengan x2 . Jadi yang menjadi EV x2   2  .
peubah adalah
 
1
 
Sedangkan vektor br
(berkorespondensi dengan peubah xBr ) akan menjadi peubah keluar
(leaving variable/LV) meninggalkan matriks basis apabila r memenuhi syarat:
 xBi 
xBr min  0  0
r1  ik 
; 
i  1, 2, 3 
 ik
x Br   xB1 xB2 xB3   15 30 12 
 min  ; ; 1   ; 2 ;1
r1  11   2 
31 31 
xBr
 min30, 15, 12 12
r1
yang
berkorespondensi dengan peubah xB3 . Jadi yang menjadi LV adalah
xB3  0 1 2 0 1, sehingga matriks basis baru B ke-2 dan matriks A baru ke-2
1 1 0
15 
 2 4  2 1 1 0   2 
diperoleh:     
B   1 1 0 A 2 3  1  
0
 2     15 
2 1  1

 3  0  3
4  0 
 2   
 
Pada iterasi kedua nilai fungsi tujuan yang tadinya z  45 menjadi
x  3
z  z  Br z  c   z   z  c   45 12   45  18  63 .
k k k k  
rk  2
c rj
   z
Pada iterasi 2 diperoleh nilai zj j c j k rk
untuk z
UPI
ck adal
 ah
r1 0 j 3
 z c  z c  z c  0  000
1 1 1 1 3 3  
r3 1 2
 z c  z c r 2 3 1 3  3 3
 z       0
c
2 2 2 2 3 3  
r3 2 1 2 2 2
UPI
 z c  z c r 3 3 2 3 3 3
 z c     3
3 3 3 3 3 3  
r 3 2 1  2 2 2
 z c  z c r 4 0 3
 z c 0  000
4 4 4 4 3 3  
r3 1 2
 z c  z c r 5 1 3  3 3
 z c   0   0 
5 5 5 5 1 1  
r3 1 2 2 2
Pada akhir iterasi 2 nilai fungsi tujuan belum mencapai optimal hal ini dikarenakan masih
terdapat nilai
z j  c j  0 , sedangkan syarat suatu solusi basis fisibel mempunyai nilai
fungsi yang optimal

adalah z j  cj  0 .
5. Aturan Simpleks
Pada subbahasan ini akan membahas mengenai proses perhitungan simpleks untuk
mendapatkan nilai baru untuk
ij dan z j  c serta lebih memperjelas mengenai langkah-
j
langkah yang harus dilakukan pada tiap iterasi simpleks untuk permasalahan program linear
memaksimumkan dan meminimumkan fungsi tujuan. Untuk mempermudah dalam
perhitungan simpleks, koefisien peubah pembatas linear pada setiap iterasinya dinotasikan
dengan  . Selain itu, perlu diasumsikan bahwa vektor yang ditempatkan kembali
ij
ak
sebagai vektor br yang baru pada matriks basis B dapat dinyatakan dengan menggunakan
tanda ”bar”, br  ak .
Vektor koefisien peubah x yang merupakan vektor kolom aj pada matriks A dapat
j
dinyatakan dalam bentuk hubungan dengan vektor peubah basis sebagai berikut:
m
a j   ij bi  rj br ; ir 2.28
i1
dan
m Berdasarkan persamaan (2.28) dan
ak    ik bi   rk br (2.29) vektor br ir
;
i1
dapat
UPI
dieliminasi sehingga diperoleh
2.29
m
 ik rj  rj
a j   ij bi  ak 2.30
rk  ;
  rk
i1 
Persamaan (2.30) pada dasarnya menunjukkan aplikasi prinsip operasi baris elementer (OBE).
Oleh karena itu, vektor kolom aj
yang dinyatakan pada persamaan (2.28) dapat dinyatakan
UPI
dengan menggunakan tanda ”bar” dimana hal ini menunjukkan elemen atau vektor yang
diperoleh setelah melakukan perhitungan simpleks pada setiap iterasi, yaitu
m
ir 2.31
a j    ij bi   rj br
;
i1
dengan  ik rj rj

  rk ; i  k dan rj  2.32
ij ij rk
Langkah selanjutnya dalam melakukan perhitungan simpleks adalah menghitung
nilai
zj  yang dapat dilakukan dengan menggunakan persamaan di bawah ini:
cj
m
z j  c j   c Bi  ij  2.33
c ji1
Dengan mensubstitusikan persamaan (2.32) dan persamaan (2.33) ke persamaan (2.31) maka
akan diperoleh
m ik rj   c ri 
z j  cj  cBi  ij   
k
   cj
i1  rk   rk
rj 
z  c  z  c   2.34
z c
j j j j k k
rk
Pada umumnya permasalahan optimasi fungsi tujuan
z  f x1, , xn  adalah
memaksimumkan atau meminimumkan maka tahapan pada iterasi simpleks yang perlu
diperhatikan antara lain:
(1). Permasalahan
memaksimumkan z  f x1, , xn 
Misalkan permasalahan program linear yang diberikan adalah

Memaksimumkan:
z  ct x dengan pembatas linear Ax  dan x  0 , mempunyai
b
solusi basis fisibel
xB , selain itu dikatahui pula nilai z, ij , z j  untuk semua i dan j .
cj
Pada setiap tahap iterasi perhitungan simpleks ada tiga aspek yang harus dilakukan dan
diperhatikan sehingga dapat diputuskan bahwa nilai maksimum fungsi tujuan
UPI
z  f x1 , , xn  telah diperoleh.
1.a. Pengujian untuk solusi optimal

Apabila
z j  cj  untuk semua j , dimana j 1, 2, , N maka solusi yang diperoleh
0
merupakan solusi yang optimal.

1.b. Pengujian untuk solusi tanpa batas (unbounded solution)
UPI
Apabila terdapat satu atau lebih j (misalnya j  k ) untuk z  c  dan ij  0 untuk
j j
0
semua i ,
yaitu i  1, 2, , m , maka terdapat suatu solusi tanpa batas dengan satu nilai
tanpa batas pada fungsi tujuan.

1.c. Apabila permasalahan program linear bukan merupakan kasus 1a maupun kasus 1b,
maka terdapat paling sedikit satu j dimana
z j  cj  dan ij  0 untuk paling sedikit
0
satu i untuk tiap j . Peubah akan menjadi BV apabila k dipilih berdasarkan aturan:
xk
z j c j

min
j  1, , N
z c z j c j  ij  untuk minimal satu i  1, 2, , m 2.34
; 0, 0,
j
Apabila dengan perumusan ini tidak dapat ditentukan r yang tunggal maka salah satu
nilai r sembarang dapat dipilih.
2. Apabila point 1c terpenuhi, maka peubah xBr akan menjadi NBV dimana r dipilih
berdasarkan aturan:
xBr  xBi  
 mi i  0    2.35
n k 0
;
rk i  1, , m 
 ik 
Apabila dengan aturan ini tidak dapat ditentukan satu r maka dapat dipilih satu nilai r
sembarang.
3. Selanjutnya
menghitung xBi z,  ij z j c untuk semua i dan j.
, , j
Secara teknik ketentuaan ataupun aturan yang tersebut di atas dapat dinyatakan
dalam bentuk tabel simpleks dengan tujuan untuk memperhitungan simpleks. Semua
ketentuan yang berlaku dalam menyelesaikan permasalahan program linear dengan fungsi
tujuan memaksimumkan
z  f x1, , xn  dapat diringkas dalam penjelasan berikut ini.
Metode Simpleks Kasus Memaksimumkan z 

f x1, , xn 
Berikut ini merupakan langkah-langkah untuk menentukan solusi permasalahan

program linear fungsi tujuan memaksimumkan dengan menggunakan metode simpleks.
1. Mengubah semua pembatas linear ke bentuk standar dengan menambahkan slack variable
UPI
atau mengurangi surplus variable pada pembatas linear tersebut. Slack variables yang ada
dimasukkan (ditambahkan) ke fungsi tujuan dan diberi koefisien 0.
UPI
2. Apakah dalam
matriks A a   sudah terbentuk matriks identitas I ?
i n
a. Apabila dalam matriks A sudah terbentuk matriks identitas maka disusun tabel awal
simpleks sebagai berikut:
Solusi
BV z x1 ... xn xn 1 ... xN Ri
(RK)
zjcj 1 z1  c1 ... zn  cn zn 1  cn ... zN  c N 0
1
xn 1 0 11 ... 1n 1(n 1) ... 1N xB1 R1
⁝ 0 ⁝ ... ⁝ ⁝ ⁝ ⁝ ⁝
xN 0 m1 ... mn m( n 1) ... mN xBm Rm
b. Apabila belum terbentuk matriks identitas, maka matriks identitas dimunculkan

dengan menambahkan peubah semu (artificial variable). Peubah semu yang ada
dimasukkan di fungsi tujuan, sedangkan koefisien dari peubah semu pada fungsi
tujuan diberi nilai  M , dengan M adalah bilangan yang cukup besar. Untuk lebih
jelasnya biasanya perubah semu (artificial variable) ditambahkan pada pembatas linear
dengan batasan bertanda "" dan "". Selanjutnya ke langkah (2.a).
3. Penelitian terhadap nilai z j  c (tabel simpleks sudah maksimum apabila semua
j
z j  c j  0 ).
a. Apabila untuk semua j

diperoleh z j  c j  0 , maka dilanjutkan ke langkah ke-4
b. Apabila ada satu atau lebih z j  cj  maka akan dibuat tabel simpleks baru dengan
0
cara berikut ini:
(i). Menentukan kolom kunci yaitu dengan memilih z j  c yang terkecil sesuai
nilai j
dengan aturan pada persamaan (2.27a) dan misalkan diperoleh

zk  ck , maka
kolom ke-k dinamakan kolom kunci/kolom masuk (entering colomn/EC)
(ii). Pada EC dilakukan pemeriksaan terhadap
nilai ik
o Apabila untuk semua

ik nilainya negatif maka diperoleh solusi tak terbatas
(unbounded solution)
o Apabila terdapat
UPI
ik y ang nilainya positif maka hitunglah nilai dari Ri
(ingat! hanya untuk ik yang positif saja), kemudian dilanjutkan ke langkah
3.b.(iii).
UPI
(iii). Menentukan baris kunci, yaitu dengan memilih nilai R yang terkecil (diantara
i
yang positif) sesuai dengan aturan pada persamaan (2.25) dan misalkan
diperoleh
br , maka baris ke-r dinamakan baris kunci/persamaan pivot (pivot
equation/PE).
Prosedur untuk memilih peubah masuk (EV) dan peubah keluar (LV) dinamakan
sebagai kondisi optimalisasi dan kondisi kelayakan. Kondisi optimalisasi: EV dalam
maksimasi (minimasi) adalah NBV dengan koefisien yang paling negatif (positif)
dalam persamaan z tujuan. Koefisien dengan nilai yang sama dapat dipilih secara
sembarang. Nilai optimum dicapai ketika semua koefisien non-dasar dalam persamaan
z adalah nonnegatif(nonpositif). Kondisi kelayakan: Baik untuk masalah maksimasi
(minimasi), LV adalah BV yang memiliki titik potong terkecil (rasio minimum dengan
penyebut yang positif secara ketat) dalam arah EV. Nilai yang sama dapat dipilih
secara sembarang.
(iv). Selanjutnya menyusun tabel simpleks baru atau perhitungan simpleks dengan
iterasi-iterasi yaitu dengan cara:
 Sebelum menentukan elemen-elemen baris ke-r yang baru perlu diketahui
bahwa elemen titik potong antara EC dan PE dinamakan elemen pivot rk  .
 Untuk elemen baris ke-r br biasanya dinamakan persamaan pivot baru

(newPE) ditentukan dengan perumusan:
newPE  PE  rk
2.36
 Untuk elemen baris ke-i yang lainnya ditentukan dengan
perumusan:
2.37
Persamaan baru  persamaan lama  ik  (newPE)
4. Apabila untuk semua j nilai dari

z j  c adalah z j  c j  0 , maka fungsi tujuannya telah
mencapai optimal. j
Contoh 5:
Memaksimumkan:
z  3x1  (dalam ribuan)
3x2
2x1  x2  30
UPI
dengan pembatas linear 2x1  3x2  60 dan dengan pembatas x1 , x2  0
: tanda
4x1  3x2  72
Jawab:
UPI
1. Karena pembatas linearnya bertanda "≤" maka untuk pembatas linear permasalahan
standar:
2x1 
x2  x3  0x4  0x5  30
2x1  3x2  0x3 x4  0x5  dengan pembatas x1, x2 x3 , x4 , x5  0
 60 tanda
4x1  3x2  0x3  0x4  x5  72
2. Membentuk tabel simpleks awal
Solusi
BV z x1 x2 x3 x4 x5 Ri
(RK)
zjc 1 z1  c1 z2  c2 z 3  c3 z4  c4 z 5  c5 0
j
x3 0 11 12 13 14 15 xB1 R1

x4 0 21 22 23 24 25 xB 2 R2
x5 0 31 23 33 34 35 xB3 R3
Berdasarkan permasalahan di atas maka diperoleh tabel simpleks awal berikut:
Solusi
(RK)
zjc 1 -3 -3 0 0 0 0
j
x3 0 2 1 1 0 0 30
x4 0 2 3 0 1 0 60
x5 0 4 3 0 0 1 72
3. Perhitungan simpleks
 Iterasi ke-1
o Menentukan kolom kunci/kolom masuk (EC), berdasarkan tabel awal diketahui bahwa
terdapat dua nilai minimum
z j  c yang sama yaitu z1  c1  3 pada kolom ke-1 dan
j
z2  c2 
pada kolom ke-2. Misalkan dipilih kolom ke-1 sebagai kolom
3
kunci/kolom masuk (EC), sehingga diperoleh k=1.
o Selanjutnya akan pada EC dilakukan pemeriksaan terhadap nilai
i1 , karena
11  2, 21  2, 31  4 , karena semua
i1 bernilai positif, maka akan dihitung nilai
xB1 30
dari R , dan diperoleh R    15, xB 2 60 xB3 72
   30, R    18 .
R
Fitriani A/09/2009  48
UPI
i 1 2
21 2 3
11 2 31 4
o Menentukan baris kunci, berdasarkan perhitungan Ri diperoleh bahwa
min Ri  15, 30, 18  dan diperoleh b1 , oleh karena itu, baris ke-1 dinamakan
15
baris kunci/persamaan pivot (pivot equation/PE).
UPI
o Sebelum menentukan elemen-elemen baris ke-1 yang baru perlu diketahui bahwa
elemen titik potong antara EC dan PE dinamakan elemen pivot yaitu 11  2.
o Untuk elemen baris ke-1 b1 biasanya dinamakan persamaan pivot baru (newPE)
ditentukan dengan perumusan:
Persamaan pivot dari tabel awal adalah b1  x3  2 1 1 0 0 30, maka
 1 1 
newPE  b1   2 1 1 0 0 30  2  1 0 0 15
x1  2 2 
o Menentukan elemen-elemen pada baris ke-i yang lainnya, diperoleh:

 Persamaan z lama pada tabel awal adalah  3 3 0 0 0 0. Diketahui
bahwa
01  3.
 1 1 
0  3 1 0 15
Persamaan z baru   3  3 0 0 0
 2 0 
2
  3  3 0 0 0  3 3 
0  3   0 0  45
 2 2 

 3 3 
Persamaan z  0  0 0 45
baru  2 2 
 Persamaan
x4 lama pada tabel awal adalah 2 3 0 1 60. Diketahui
0
bahwa
21  2 .
 1 1 
Persamaan x4 baru  3 0 1 0 60 2 1 0 0 15
2  2 2 
 3 0 1 0 60 2 1 1 0 0 30
2
Persamaan x4 baru 2 1 1 30
 0
0
 Persamaan
x5 lama pada tabel awal adalah 4 3 0 0 1 72. Diketahui
bahwa
31  4 .
 1 1 
Persamaan x5 baru  4 3 0 0 1 72 4 1 0 0 15
 2 2 
UPI
 3 0 0 1 72 4 2 2 0 60
4 0
Persamaan x5 bar 1  0 1 12
u  2
0
Berdasarkan semua perhitungan di atas, maka diperoleh tabel simpleks baru pada iterasi 1
dengan EV
adalah x1 dan LV x3 .
adalah
BV z x1 x2 x3 x4 x5 Solusi Ri
UPI
(RK)
3 3
zjc 1 0 0 0 45
2 2
j
1 1
x1 0 1 0 0 15
2 2
x4 0 0 2 1 1 0 30
x5 0 0 1 2 0 1 12
Karena ada satu nilai dari z j  c untuk j 1, 2, , 5 yang z j  c j  0 , maka fungsi
j
tujuan belum mencapai optimal, sehingga perlu dilakukan perhitungan simpleks ulang
untuk iterasi ke-2.
 Iterasi ke-2
o Menentukan kolom kunci/kolom masuk (EC), berdasarkan tabel pada iterasi ke-1
diketahui bahwa terdapat satu nilai minimum yaitu z2  c2   pada kolom ke-2.
3
2
Oleh karena itu, kolom ke-2 merupakan kolom kunci/kolom masuk (EC), sehingga
diperoleh k=2.
o Selanjutnya akan pada EC dilakukan pemeriksaan terhadap nilai i2 , karena
12 1
 ,   2, 32  1, karena semua i1 bernilai positif, maka akan dihitung nilai
22
2
xB1 30 xB 2 30 xB3 12
dari R , dan diperoleh R    60,    15, R    12 .
R
 1
i 1 2
22 2 3
12 32 1
2
min Ri  60, 15, 12  dan diperoleh b3 , oleh karena itu, baris ke-3 dinamakan
12
baris kunci/persamaan pivot (pivot equation/PE).
o Untuk elemen baris ke-3 b3 biasanya dinamakan persamaan pivot baru (newPE)

UPI
Persamaan pivot dari tabel simpleks iterasi ke-1 adalah b3  x5  0 1  0 1 12,
2
maka
newPE  b3  x2  0 1  0 1 12  1  0 1  0 1 12
2 2
UPI
 3 3 
 Persamaan z lama pada iterasi ke-1 adalah 0  0 0 45 .
 2 2 
3
Diketahui bahwa 02   .
2
 3 3   3
Persamaan z
baru  0  0 0 45   0 1  0 1 12
2
 
 2 2   2

 3 3 3
 0  0 0 45  0  3 0  18

3
   2 2 
 2 2   
 3 3 
Persamaan z  0 0  0 63
baru  2 2 
 1 1 
 Persamaan x1 lama pada iterasi ke-1 adalah 1 0 0 15 . Diketahui
 2 2 
1
bahwa 12  .
2
 1 1  1
Persamaan x baru  1 0 0 15  0 1  0 1 12
2
1  2
  2
2
 1   
1
0 0 15  0 1 1 0 1 6
 1
 2 2   2 
   2
 3 1 
Persamaan x1 baru  1 0 0  9
 2 2 
 Persamaan
x4 lama pada iterasi ke-1 adalah 0 2 1 1 0 30. Diketahui
bahwa
22  2 .
Persamaan
x4 baru  2 1 1 0 30 20 1  0 1 12
0 2
 2 1 1 0 30 2 4 0 24
0 0 2
Persamaan x4 baru 0 3 1 
 2
6
0
dengan EV
adalah x2 dan LV adalah x5 .
UPI
x3 x5 Solusi Ri
BV z x1 x2 x4
(RK)
3 3
zjc 1 0 0 0 63
2 2
j
3 1
x1 0 1 0 0 2 9
2
x4 0 0 0 3 1 2 6
UPI
x2 0 0 1 2 0 1 12
Karena masih ada satu nilai dari z j  c untuk j 1, 2, , 5 yang z j  c j  0 , maka
j
fungsi tujuan belum mencapai optimal, sehingga perlu dilakukan perhitungan simpleks
ulang untuk iterasi ke-3.
 Iterasi ke-3
3
diketahui bahwa terdapat satu nilai minimum yaitu z3    pada kolom ke-3.
c3 2
diperoleh k=3.
13 3
 ,   3, 33  2 , karena tidak i1 bernilai positif, maka hanya akan
23
2 semua
dihitung nilai dari Ri untuk i dan i2, sehingga diperoleh

1
xB1 9 xB 2 6
R    6, R   3.
1 2
13 23 2
 23 
min Ri 1,2  6, 3,  dan diperoleh b , oleh karena itu, baris ke-2 dinamakan baris
2
3
kunci/persamaan pivot (pivot equation/PE).

elemen titik potong antara EC dan PE dinamakan elemen pivot yaitu 23  3 .

Persamaan pivot dari tabel simpleks iterasi ke-2 adalah b2  x4  0 0 3 1  2 6,
maka
x 
newPE  b2   0 0 3 1 6  3  0
2  
UPI
1 2  3 3 
0 1  2
 3
 Persamaan z lama pada iterasi ke-2 adalah 0 0  3 
63 . Diketahui
 2 
0
 2
3
bahwa 02   .
2
UPI
Persamaan z
baru  3 3   3 1 2 
 0 0  0  63    0 1  2
0
 
 2 2    3 3 

 3  2
 0 0  0 3 63  0 0  3

3 
12
 2 2   2 
   
 1 
Persamaan z  0 0 0 2 66
baru  2 
 
 Persamaan x1 lama pada iterasi ke-2 adalah 1 0 3 0  1 9 . Diketahui
 2 2 
3
bahwa 13  .
2
 1 2 
Persamaan x baru  1 0 3  3 0 1  2
1 0  9  
0
   
2  2  
1
 2 3 3 
   3 1 
 1 0 3 9  0 0 1 3
1 0 
 2 2   2 2 
   

1 1 
 2 2 
 Persamaan x2
lama pada iterasi ke-2 adalah 0 1  0 1 12. Diketahui
2
bahwa
33  2 .
1 2 
Persamaan x2 baru  0 1  0 1 12  2 0 1  2
2  3 3 

 0 1  2  2 4 
0 1 12 0 2  4
 3 3 

 2 1 
 3 3 
dengan EV
x3 dan LV adalah x4 .
adalah
UPI
x3 x5 Solusi Ri
BV z x1 x2 x4
(RK)
1
zjc 1 0 0 0 2 66
j
2
1 1
x1 0 1 0 0 2 6
2
1 2
x3 0 0 0 1 3 2
3
UPI
2 1
x2 0 0 1 0 3 16
3
Karena semua nilai dari z j  c untuk j 1, 2, , 5 sudah memenuhi z j  c j  0 , maka

j
fungsi tujuan telah mencapai optimal, dan nilai maksimum fungsi tujuannya adalah 66
dengan nilai-nilai
x1  6, x2  16 x3  2, x4  0, x5  0 .
Untuk lebih memahami mengenai perhitungan simpleks untuk permasalahan

program linear dengan fungsi tujuan memaksimumkan
z  f x1 , , xn  , kerjakanlah soal-
soal latihan berikut ini.
1.
2) Permasalahan meminimumkan
z  f x1, , xn 
Misalkan permasalahan program linear yang diberikan adalah

Meminimumkan:
z  ct x dengan pembatas linear Ax  dan x  0 , mempunyai solusi
b
basis fisibel
xB , selain itu dikatahui pula nilai z, ij , z j  untuk semua i dan j . Pada
cj
setiap tahap iterasi perhitungan simpleks ada tiga aspek yang harus dilakukan dan
diperhatikan sehingga dapat diputuskan bahwa nilai minimum fungsi tujuan
z  f x1, , xn 
telah diperoleh.
1.a. Pengujian untuk solusi optimal
Apabila
z j  cj  untuk semua j , dimana j 1, 2, , N maka solusi yang diperoleh
0
merupakan solusi yang optimal.

1.b. Pengujian untuk solusi tanpa batas (unbounded solution)
Apabila terdapat satu atau lebih j (misalnya
j  k ) untuk z j  c j  dan ij  0 untuk
0
semua i ,
yaitu i  1, 2, , m , maka terdapat suatu solusi tanpa batas dengan satu nilai
tanpa batas pada fungsi tujuan.

1.c. Apabila permasalahan program linear bukan merupakan kasus 1a maupun kasus 1b,
maka terdapat paling sedikit satu j dimana dan
z j  cj  0
UPI
ij  0 untuk paling sedikit
satu i untuk tiap j . Peubah akan menjadi BV apabila k dipilih berdasarkan aturan:
xk
z j c j

max
j  1, , N
z c ; z j c j  ij  0 untuk minimal satu i  1, 2, , m 2.36
0, ,
j
Apabila dengan perumusan ini tidak dapat ditentukan r yang tunggal maka salah satu
nilai r sembarang dapat dipilih.
2. Apabila point 1c terpenuhi, maka peubah xBr akan menjadi NBV dimana r dipilih
berdasarkan aturan:
UPI
xBr  xBi  
 mi i  0    2.37
n k 0
;
rk i  1, , m 
  ik 
Apabila dengan aturan ini tidak dapat ditentukan satu r maka dapat dipilih satu nilai r
sembarang.
3. Selanjutnya
menghitung xBi z,  ij z j c untuk semua i dan j.
, , j
Alternatif lain untuk menentukan nilai minimum fungsi tujuan

z  f x1, , xn  dapat
dilakukan dengan mengubah fungsi tujuan menjadi memaksimumkan  z  atau mengalikan
fungsi tujuan dengan 1 , dimana pembatas linearnya tetap sama, dan iterasi perhitungan
simpleks tetap dilakukan dengan menggunakan ketentuan atau aturan memaksimumkan 
z  , setelah nilai  z  maksimum diperoleh maka nilai minimum z diperoleh dengan
mengalikan nilai maksimum  z  tersebut dengan 1 .
Secara teknik ketentuaan ataupun aturan yang tersebut di atas dapat dinyatakan
dalam bentuk tabel simpleks dengan tujuan untuk memperhitungan simpleks. Semua
ketentuan yang berlaku dalam menyelesaikan permasalahan program linear dengan fungsi
tujuan memaksimumkan
z  f x1, , xn  dapat diringkas dalam penjelasan berikut ini.
Metode Simpleks Kasus Meminimumkan z 

f x1, , xn 
Berikut ini merupakan langkah-langkah untuk menentukan solusi permasalahan

program linear fungsi tujuan meminimumkan dengan menggunakan metode simpleks.
1. Mengubah semua pembatas linear ke bentuk standar dengan menambahkan slack variable
atau mengurangi surplus variable pada pembatas linear tersebut. Slack variables (Surplus
variables) yang ada ditambahkan ke fungsi tujuan dan diberi koefisien 0.
UPI
2. Apakah dalam
matriks   sudah terbentuk matriks identitas I ?
A a
i n
a. Apabila dalam matriks A sudah terbentuk matriks identitas maka disusun tabel awal
simpleks sebagai berikut:
Solusi
BV z x1 ... xn xn 1 ... xN Ri
(RK)
zjc 1 z1  c1 ... zn  cn zn 1  cn ... zN  cN 0
j 1
xn 1 0 11 ... 1n 1(n 1) ... 1N xB1 R1
⁝ 0 ⁝ ... ⁝ ⁝ ⁝ ⁝ ⁝
xN 0 m1 ... mn m( n 1) ... mN xBm Rm
b. Apabila belum terbentuk matriks identitas, maka matriks identitas dimunculkan

dengan menambahkan peubah semu (artificial variable). Peubah semu yang ada
dimasukkan di fungsi tujuan, sedangkan koefisien dari peubah semu pada fungsi
tujuan diberi nilai  M , dengan M adalah bilangan yang cukup besar. Untuk lebih
jelasnya biasanya perubah semu (artificial variable) ditambahkan pada pembatas linear
dengan batasan bertanda "" dan "". Selanjutnya ke langkah (2.a).
3. Penelitian terhadap nilai zj c (tabel simpleks sudah minimum apabila semua

j
z j  c j  0 ).
a. Apabila untuk semua j

diperoleh z j  c j  0 , maka dilanjutkan ke langkah ke-4
b. Apabila ada satu atau lebih z j  c j  maka akan dibuat tabel simpleks baru dengan
0
cara berikut ini:
(iii). Menentukan kolom kunci yaitu dengan memilih nilai z  c yang terbesar
j
j
sesuai dengan aturan pada persamaan (2.36) dan misalkan diperoleh

zk  ck ,
maka kolom ke-k dinamakan kolom kunci/kolom masuk (entering colomn/EC)
(iv). Pada EC dilakukan pemeriksaan terhadap
nilai
ik
UPI
o Apabila untuk semua
ik nilainya negatif maka diperoleh solusi tak terbatas
(unbounded solution)
UPI
o Apabila terdapat  yang nilainya positif maka hitunglah nilai dari R
ik i
(ingat! hanya untuk

ik yang positif saja), kemudian dilanjutkan ke langkah
3.b.(iii).
(iii). Menentukan baris kunci, yaitu dengan memilih nilai Ri yang terkecil (diantara
yang positif) sesuai dengan aturan pada persamaan (2.25) dan misalkan
diperoleh
br , maka baris ke-r dinamakan baris kunci/persamaan pivot (pivot
equation/PE).
(iv). Selanjutnya menyusun tabel simpleks baru atau perhitungan simpleks dengan
iterasi-iterasi yaitu dengan cara:
 Sebelum menentukan elemen-elemen baris ke-r yang baru perlu diketahui
bahwa elemen titik potong antara EC dan PE dinamakan elemen pivot rk  .
 Untuk elemen baris ke-r br biasanya dinamakan persamaan pivot baru

(newPE) ditentukan dengan perumusan:
newPE  PE  rk
2.36
 Untuk elemen baris ke-i yang lainnya ditentukan dengan
perumusan:
2.37
Persamaan baru  persamaan lama  ik  (newPE)
4. Apabila untuk semua j nilai dari z j  c adalah z j  c j  0 , maka fungsi tujuannya telah
j
mencapai optimal.
Contoh 6:
Meminimumkan:
z  40x1  80x2
dengan pembatas linear x1  x2  4 dan dengan pembatas x,x 0

: tanda
x1  3x2  6 1
Jawab:
1. Karena pembatas linearnya bertanda "  " maka untuk pembatas linear permasalahan
program linear di atas akan dikurangkan surplus variable sehingga diperoleh bentuk
standar:
Meminimumkan: z  40x1  80x2  0x3  0x4 dengan pembatas linear:
UPI
x1  x2  x3  0x4  4
dengan pembatas tanda x , x x , x  0
1 2 3 4
x1   0x3  x4  6
3x2
UPI
Membentuk tabel simpleks awal
Solusi
BV z x1 x2 x3 x4 Ri
(RK)
zjcj 1 z1  c1 z2  c2 z 3  c3 z4  c4 0
x3 0 11 12 13 14 R1 xB1
x4 0 21 22 23 24 R2 xB 2
x5 0 31 23 33 34
xB3 R3
Berdasarkan permasalahan di atas maka diperoleh tabel simpleks awal berikut:
Solusi
BV z x1 x2 x3 x4 Ri
(RK)
zjcj 1  40  80 0 0 0
x3 0 1 1 1 0 4
x4 0 1 3 0 1 6
Ternyata berdasarkan tabel di atas dapat dilihat bahwa belum terbentuk matriks identitas
sehingga pada bentuk standar sebelumnya perlu ditambahkan artificial variables sehingga
akan terbentuk matriks identitas, dan koefisien artificial variables pada fungsi tujuan
.diberi nilai  M , dengan M adalah bilangan yang cukup besar, dan diperoleh bentuk
standar yaitu:
Meminimumkan:
z  40x1  80x2  0x3  0x4  Mx5  dengan pembatas linear:
Mx6
x1  x2 
x3  0x4  x5  0x6  dengan pembatas x ,x ,x ,x ,x ,x 0
4 tanda
1 2 3 4 5 6
x1   0x3  x4  0x5  x6  6
3x2
Perlu diingat bahwa pada akhir perhitungan nilai dari artificial variables sudah pasti nol,
oleh karena itu terlebih dahulu substitusikan:
x5  4  x1  x2  x3
x6  6  x1  3x2  x4
ke dalan fungsi tujuan dan diperoleh:

Meminimumkan:
z  40x1  80x2  0x3  0x4  M 4  x1  x2  x3   M 6  x1  3x2  x4 
z  40  M  M x1  80  M  3M x2  M x3  M x4  4M  6M
10M  40  2M x1  80  4M x2  Mx3  Mx4
sehingga tabel simpleksnya menjadi:
UPI
Solusi
(RK)
zjcj 1 2M  40 4M  80 M M 0 10M
x5 0 1 1 1 0 1 4
x6 0 1 3 0 1 0 6
2. Perhitungan simpleks
 Iterasi ke-1
o Menentukan kolom kunci/kolom masuk (EC), berdasarkan tabel awal diketahui bahwa
terdapat satu nilai maksimum
z j  c yaitu z2  c2  4M  pada kolom ke-2.
j 80
Misalkan dipilih kolom ke-2 sebagai kolom kunci/kolom masuk (EC), sehingga
diperoleh k=2.
o Selanjutnya akan pada EC dilakukan pemeriksaan terhadap nilai  i2 , karena
12
 1,  3 , karena i 2 bernilai positif, maka akan dihitung nilai dari Ri ,
22 semua
xB  4  4, x 6
dan diperoleh R
2  R
2  B  2.
1 12 1 2 
22
3
min Ri  4, 2,  dan diperoleh b2 , oleh karena itu, baris ke-2 dinamakan baris
2

Persamaan pivot dari tabel awal adalah b2  x6  1 3 1 0 1 6, maka
0
1 1 1 
newPE  b2   1 3 0 1 0 6  3  1 0  0 2
1 
3 3 3 
x2
UPI
 Persamaan z lama pada tabel awal adalah
2M  40 4M  80   M 0 0 10M .
M
Diketahui bahwa
02  4M  80.
Persamaan z baru adalah
UPI
 2M  40 4M  80 1 1 1 

M 0 10M  4M  80 1 0  0 2
M 0 3 3 3 
4M 3 80 
t
2M  40 
t

  4M  80 

4M  80
 M   
 0
M   
  4M  80 
 

 
 0   03 
 0
    
 4M 80 

 10M  3 
  

 4M  802 

Persamaan
baru z  2M  0 M M 4M  2M  160

40 80 080 
 3 
 3 3 
 Persamaan x5 lama pada tabel awal adalah 1 1 1 0 1 0 4. Diketahui
bahwa
12  1 .
1 1 1 
Persamaan x5 baru  1 1 0 1 0 4 1 1 0  0 2
1 
3 3 3 
 1 1 1 1 1 
1 0 1 0 4 1 0  0 2
3 3 3 
1 1 
Persamaan x5 baru   0 1 1  2
2 3 3 

3
dengan EV
x2 dan LV adalah x6 .
adalah
Solusi
BV z x1 x2 x3 x4 x5 x6 Ri
(RK)
2M  40 M  80 80  4M
zjcj 1 0 M 0 2M+160
3 3 3
UPI
2 1 1
x5 0 0 1 1 3 2
3 3
1 1 1
x2 0 1 0 3 0 2
3 3
Karena masih ada nilai dari z j  c untuk j  1, 2, , 6 yan z j  c j  0 , maka fungsi
j g
tujuan belum mencapai optimal, sehingga perlu dilakukan perhitungan simpleks ulang
untuk iterasi ke-2.
 Iterasi ke-2
UPI
diketahui bahwa terdapat nilai maksimum yaitu z1  2M  pada kolom ke-1.


40
c1 3
diperoleh k=1.
11 2 1
 ,  , , karena i1 bernilai positif, maka akan dihitung nilai dari Ri ,
21
3 semua
3
xB1 2 xB 2 2
dan diperoleh R    3, R   6.
1 2
11 2 21 1
3 3
min Ri  3, 6  dan diperoleh b , oleh karena itu, baris ke-1 dinamakan baris
1
3

elemen titik potong antara EC dan PE dinamakan elemen pivot yaitu
 2
 11   .
 3
o Untuk elemen baris ke-1 b1 biasanya dinamakan persamaan pivot baru (newPE)
Persamaan pivot dari tabel simpleks iterasi ke-1 adalah

b1   0 1 1 1  1 2 , maka

2 3 3 
x5

3
1  2  3
xnewPE  b1   0 1 1 
1 2   1 0  3 1 

2  3
1

1 3  3 3 2 2 3 2 
 
  2
 
 Persamaan z lama pada iterasi ke-1 adalah
 2M  
40 0 M M 4M  2M  160
80 080 
UPI
 3 
 3 3 
Diketahui bahwa
01  2M  40 .
3
 100  
Persamaan z  0 0   20  M 5M
200
baru  20 20 
 3
UPI
 Persamaan 1 1 1 
x2 lama pada iterasi ke-1 adalah 2 .
 3 1 0 
3
0
3 

1
Diketahui bahwa 21  .
3
 1
Persamaan x2 baru  0 1 1 1 1 
  1
 2 2 2 2 
dengan EV
adalah x1 dan LV x5 .
adalah
Solusi
BV z x1 x2 x3 x4 x5 x6 Ri
(RK)
100  5M
zjcj 1 0 0  20  20 20  M 200
3
3 1 3 1
x1 0 1 2 0 2 3
2 2
1 1 1 1
x2 0 0 1   1
2 2 2 2
Karena semua nilai dari z j  c untuk j  1, 2, , 6 sudah memenuhi z j  c j  0 , maka
j
fungsi tujuan telah mencapai optimal, dan nilai minimum fungsi tujuannya adalah 200
dengan nilai-nilai
x1  3, x2  1 x3  0, x4  0, x5  0, x6  0 .
6. Artificial Variable
Pada permasalahan program linear beberapa kasus dimana pembatas linearnya
tidak selalu merupakan batasan bertanda “≤”, tetapi mungkin pembatas linearnya merupakan
batasan bertanda ”=” atau ”≥”. Untuk kasus dimana pembatas linearnya bertanda ”=”, daerah
fisibelnya hanya berupa segmen garis sehingga kita tidak dapat memperoleh solusi fisibel
basis awal karena tidak ada slack variable yang dapat digunakan sebagai peubah basis (BV)
awalnya. Demikian juga untuk kasus dengan pembatas linearnya bertanda ”≥”, kita tidak akan
memiliki solusi fisibel basis awal karena apabila kita merubah tanda persamaan pembatasnya
menjadi ”≤”, maka ruas kanan pembatas linearnya kemungkinan dapat berharga negatif.
Untuk menyelesaikan kedua jenis kasus tersebut, kita akan memerlukan adanya
peubah dummy (peubah palsu) yang dinamakan artificial variable dan dinotasikan dengan R,
sehingga basis awal bisa tetap ada. Artificial variable ini mempunyai peran yang sama dengan
peran slack variable hal ini dilakukan karena diperlukan matriks basis pada setiap iterasi
perhitungan simpleks. Konsekuensi dari adanya artificial variable adalah diperlukannya suatu
UPI
besaran/konstanta sebagai penalti yang dikenakan sebagai koefisien fungsi tujuan dari
artificial variable.
UPI
Contoh 7:
Memaksimumkan: z  3x1  5x2
x1  4
dengan pembatas 2x2  12 dan pembatas x1, x2  0
linear:
3x1  2x2  18 tanda
Jawab:
Berdasarkan contoh pemasalahan di atas, diperoleh bentuk standar untuk permasalahan
tersebut adalah:
Memaksimumkan: z  3x1  5x2  0x3  0x4  0R1  0R2  0R3
x1  0x2  x3  0x4  R1  0R2  0R3  4

dengan pembatas linear: 0x1  2x2  0x3  x4  0R1  R2  0R3  12 dan pembatas tanda
3x1  2x2  0x3  0x4  0R1  0R2  R3 
18
x1, x2 , x3 , x4 , R1, R2 , R3 
0
Pada akhirnya, dalam tiap iterasi perhitungan simpleks akan secara otomatis menjadikan
artificial variable ini tidak muncul lagi (dengan arti lain artificial variable bernilai nol), yaitu
apabila persoalan awal telah terselesaikan. Dengan kata lain, penggunaan artificial variable
hanya untuk memulai solusi, dan untuk selanjutnya artificial variable harus dihilangkan
(nilainya =0) pada akhir solusi. Apabila tidak demikian maka solusi yang diperoleh akan tidak
fisibel. Oleh karena itu, harus diberikan penalty M (M bilangan positif yang sangat besar)
pada setiap artificial variable dalam fungsi tujuannya. Perlu diingat bahwa penalty akan
bertanda (-) apabila fungsi tujuannya merupakan fungsi maksimasi, sedangkan apabila fungsi
tujuannya merupakan fungsi minimasi maka penaltynya bertanda (+). Oleh karena itu bentuk
standar fungsi tujuan pada contoh 7 akan menjadi:
Memaksimumkan: z  3x1  5x2  0x3  0x4  MR1  MR2  MR3
Ada dua teknik penyelesaian untuk kasus dengan artificial variable tersebut, yaitu
(1) teknik penalty (M) dan (2) teknik dua fase. Kedua teknik ini saling berkaitan.
UPI

Sekilas Metode Simpleks

Diunggah oleh

Informasi Dokumen

Judul Asli

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

Sekilas Metode Simpleks

Diunggah oleh

Hak Cipta:

Format Tersedia

METODE SIMPLEKS

A. Bentuk Standar Model Program Linear

dengan pembatas linear dan

3. Memperbaiki nilai fungsi tujuan z pada tiap iterasi.

2. Penyelesaian Dasar (Basic Solution/Solusi Basis)

matriks A dengan order m  N diman N  n  g  h . Pada pembahasan ini diasumsikan

bahwa persamaan (2.14) konsisten.

Untuk lebih jelasnya mengenai solusi basis perhatikan definisi berikut.

Definisi (Solusi Basis Fisibel)

solusi dasarnya yaitu x1, x2 , x3 , x4   5,  2, 0, artinya NBV adalah x1 x2 ,

 Pertama-tama kita melakukan OBE maka diperoleh:

 Solusi basisnya diperoleh x1 , x2 , x3 , x4   0, 13  31

 Solusi basisnya diperoleh x1 , x2 , x3 , x4   0, 0, 13  30

 Pada saat memisalkan NBV adalah

Untuk memperlancar pemahaman mengenai solusi basis maka kerjakan soal-soal

Teorema 1 memberikan kesan bahwa solusi masalah program linear hanya

Definisi (Solusi Fisibel Titik Ekstrem)

kombinasi linear dari kolom bi

atau dinyatakan 2.17

penempatan kembali kolom ak

sebagai kombinasi linear dari b1, , bm :

ak  1k b1  rk br  mk bm

vektor-vektor b1, , br 1, a, br 1 , bm

Vektor a pada lemma 1 dapat diidentifikasi sebagai vektor pada

merupakan bentuk lain dari persamaan (2.15), yaitu

Selanjutnya apabila solusi persamaan (2.19) untuk br disubstitusi ke persamaan

Namun karena cBi  i  r  cBr  serta dengan memeperhatikan persamaan (2.23)

bahwa z  z jika dan hanya zk  ck  0 dan   0 .

masuk (entering variable/EV) pada matriks basis apabila k memenuhi syarat:

2. Vektor br (berkorespondensi dengan peubah x ) akan menjadi peubah keluar (leaving

variable/LV) meninggalkan matriks basis apabila r memenuhi syarat:

x1  2x2  x3  0x4  0x5  6

zk ck  min0  5, 0  4, 0  0, 0  0, 0  0

4. Mengakhiri Perhitungan Simpleks

2. Tidak ada k yang menunjukkan z  c  0 . Dengan kata lain terdapat zk  c k  0

solusi basis fisibelnya adalah optimal.”

a. Nyatakan permasalahan program linear di atas ke dalam bentuk baku

c. zk ck  min0  3, 0  3, 0  0, 0  0, 0  0

d. Karena nilai untuk k = 1 dan k = 2 mempunyai nilai z 

berkorespondensi dengan peubah xB3 . Jadi yang menjadi LV adalah

fungsi yang optimal

dengan  ik rj rj

Misalkan permasalahan program linear yang diberikan adalah

1.a. Pengujian untuk solusi optimal

merupakan solusi yang optimal.

tanpa batas pada fungsi tujuan.

Metode Simpleks Kasus Memaksimumkan z 

Berikut ini merupakan langkah-langkah untuk menentukan solusi permasalahan

xn 1 0 11 ... 1n 1(n 1) ... 1N xB1 R1

b. Apabila belum terbentuk matriks identitas, maka matriks identitas dimunculkan

a. Apabila untuk semua j

dengan aturan pada persamaan (2.27a) dan misalkan diperoleh

o Apabila untuk semua

4. Apabila untuk semua j nilai dari

x3 0 11 12 13 14 15 xB1 R1

o Menentukan elemen-elemen pada baris ke-i yang lainnya, diperoleh:

dihitung nilai dari Ri untuk i dan i2, sehingga diperoleh

kunci/persamaan pivot (pivot equation/PE).

Karena semua nilai dari z j  c untuk j 1, 2, , 5 sudah memenuhi z j  c j  0 , maka

Untuk lebih memahami mengenai perhitungan simpleks untuk permasalahan

Misalkan permasalahan program linear yang diberikan adalah

merupakan solusi yang optimal.

tanpa batas pada fungsi tujuan.