Dasar-dasar
Metode Simpleks
Kasus Maksimasi – Dengan Persamaan Kendala
Bertanda “Lebih Kecil Sama Dengan (≤)”
Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh : Tim Dosen
03
Fakultas Ekonomi dan Manajemen S1 190241005 1. Asep Sudrajat, S.E., M.T.
Bisnis 2. Dinda Kayani Bestari P., S.M.B., M.M.
3. Gina Nurunnisha, S.M.B., M.B.A.
4. Oktora Yogi Sari, S.T., M.T.
5. Titto Rohendra, S.E., M.Si.
Abstract Kompetensi
Metode simpleks digunakan untuk Mahasiswa memiliki kemampuan untuk
menyelesaikan masalah pemrograman linear menyelesaikan masalah pemrograman linear
berdasarkan manipulasi aljabar yang kasus maksimasi dengan persamaan kendala
disajikan dalam bentuk tabel (disebut “lebih kecil sama dengan (≤)”, dengan
dengan tabel simpleks). Metode simpleks menggunakan metode simpleks.
bersifat iteratif, yang bergerak selangkah-
demi selangkah, dimulai dari suatu titik
ekstrim pada daerah fisibel (ruang solusi)
menuju titik ekstrim optimal. Metode ini
dapat digunakan untuk menyelesaikan
masalah linear yang memiliki paling sedikit
dua variabel keputusan, yang tidak dapat
diselesaikan dengan menggunakan metode
grafis.
Sub Pokok Bahasan
I. Pemrograman Linear
II. Dasar-Dasar
Dasar Metode Simpleks
III. Algoritma Simpleks
IV. Contoh Soal
I. Pemrograman Linear
Hillier dan Lieberman (2015) juga menyatakan bahwa pemrograman linear memiliki empat
asumsi, yaitu:
1. Proporsionalitas
Asumsi ini berarti bahwa naik turunnya nilai persamaan tujuan (Z)) dan penggunaan
sumber daya yang tersedi
tersedia akan
n berubah berbanding lurus/proporsional dengan
perubahan tingkat kegiatan ((X).
2. Aditivitas,
Asumsi ini berarti bahwa nilai persamaan tujuan setiap kegiatan tidak saling
mempengaruhi ; dengan kata lain bahwa pemrograman linear menganggap bahwa
kenaikan dari nilai persamaan tujuan yang diakibatkan oleh kenaikan suatu kegiatan
dapat ditambahkan tanpa mempengaruhi bagian nilai tujuan yang diperoleh dari
kegiatan lain..
3. Divisibilitas,
Asumsi ini menyatakan bahwa keluaran atau output yang dihasilkan oleh setiap kegiatan
tidak selalu menghasilkan angka bulat (integer) tetapi juga dapat berupa bilangan
pecahan (non integer) – demikian pula dengan nilai tujuan yang dihasilkan.
4. Deterministik
Asumsi ini menyatakan bahwa semua parameter yang terdapat dalam pemrograman
linear 𝒂𝒊𝒋 , 𝒃𝒊 , 𝒄𝒋 dapat diperkirakan dengan pasti.
II. Dasar-dasar
dasar Metode Simpleks
Sisi kanan sebuah persamaan kendala tidak boleh bernilai negatif. Jika sisi kanan sebuah
persamaan kendala bernilai negatif, maka harus diubah menjadi positif dengan cara
mengalikan persamaan kendala dengan ((-1).
Contoh :
Sebuah masalah linearr memiliki beberapa persamaan kendala sebagai berikut. Ubahlah
persamaan kendala yang ada menjadi persamaan standar.
𝑋 + 𝑋 ≥ −20 Menjadi: −𝑋 − 𝑋 ≤ 20
4𝑋 + 6𝑋 = 48 4𝑋 + 6𝑋 = 48
2𝑋 − 3𝑋 ≤ −12 −2𝑋 + 3𝑋 ≥ 12
3𝑋 + 2𝑋 = 15 3𝑋 + 2𝑋 = 15
Contoh di atas memperlihatkan bahwa sisi kanan persamaan kendala pertama dan
ketiga bernilai negatif, oleh karena itu, persamaan kendala pertama dan ketiga harus
dikali (-1)
1) agar nilainya menjadi positif dan lalu diubah menjadi persamaan standar.
Prosedur penyelesaian masalah PL kasus kedua dan ketiga membutuhkan prosedur yang
sedikit berbeda dengan penyelesaian kasus kesatu. Modul ini membahas penyelesa
penyelesaian
masalah PL kasus kesatu, yaitu kasus maksimasi persamaan tujuan dengan persamaan
kendala bertanda lebih kecil sama dengan ((≤).
𝑀𝑎𝑥𝑖𝑚𝑖𝑧𝑒 𝑍 = 4𝑋 + 5𝑋
𝑆𝑢𝑏𝑗𝑒𝑐𝑡 𝑡𝑜 ∶
𝑋 + 2𝑋 ≤ 40
4𝑋 + 3𝑋 ≤ 120
𝑋 ,𝑋 ,𝑆 ,𝑆 ≥ 0
Jawaban:
1. Mengubah persamaan non standar (kanonik) menjadi persamaan standar .
𝑍 = 4𝑋 + 5𝑋 + 0𝑆 + 0𝑆
𝑋 + 2𝑋 + 𝑆 = 40
4𝑋 + 3𝑋 + 𝑆 = 120
s
2. Membentuk tabel awal untuk solusi fisibel dasar pada titik orijin dan menghitung
nilai-nilai baris Zj dan 𝐶 − 𝑍 .
𝑪𝒋 Basic Quantity 4 5 0 0
Variable (Q) 𝑿𝟏 𝑿𝟐 𝑺𝟏 𝑺𝟐
0 𝑆 40 1 2 1 0
0 𝑆 120 4 3 0 1
𝑍 0 0 0 0
𝐶 −𝑍 4 5 0 0
Cccc
I TERASI I
3. Menentukan kolom pivot (= pivot column atau entering variable atau variabel
non-dasar
dasar yang masuk)
masuk). Kolom pivot adalah kolom yang memiliki nilai positif
paling besar pada baris 𝐶 − 𝑍 .
Pada tahap ini kolom X2 dinyatakan sebagai kolom pivot karena nilai pada baris 𝐶 − 𝑍
memiliki nilai terbesar. Hal ini berarti bahwa variabel X2 disebut sebagai entering
variable atau variabel masuk yang akan menggantikan salah satu variabel dasar (S1
atau S2).
4. Menentukan baris pivot (= pivot row atau leaving variable atau variabel dasar
yang akan keluar
luar dan digantikan oleh entering variable).
). Baris pivot merupakan
baris yang memiliki koefisien/indeks non-negatif terkecil. Rumus
koefisien/indeks setiap baris adalah sebagai berikut:
𝐾𝑢𝑎𝑛𝑡𝑖𝑡𝑎𝑠
𝐼𝑛𝑑𝑒𝑥 =
𝑁𝑖𝑙𝑎𝑖 𝑝𝑎𝑑𝑎 𝑘𝑜𝑙𝑜𝑚 𝑝𝑖𝑣𝑜𝑡 𝑦𝑎𝑛𝑔 𝑏𝑒𝑟𝑠𝑎𝑛𝑔𝑘𝑢𝑡𝑎𝑛
Berdasarkan perhitungan
hitungan indeks dapat dilihat bahwa baris S1 memiliki indeks non-
non
negatif terkecil, maka baris 𝑆 dijadikan sebagai baris pivot. Hal ini berarti bahwa pada
tahap berikutnya, variabel 𝑋 sebagai entering variabel akan menggantikan variabel 𝑆 .
Perhatikan bahwa variabel dasar S1 pada tahap ini harus sudah digantikan oleh
variabel non dasar X2.
Perhatikan bahwa pada kolom Cj, yang semula bernilaii nol, pada tahap ini nilainya
berubah menjadi 5, yang diambil dari baris Cj – Zj kolom X2 pada tabel awal.
8. Masukan semua nilai baris baru yang telah dihitung ke dalam tabel simpleks
baru, lalu tentukan apakah solusi telah optimal dengan mengecek baris 𝐶 − 𝑍 .
Jika semua nilai 𝐶 − 𝑍 adalah negatif atau nol, maka solusi telah optimal. Jika
masih terdapat nilai positif, kembali ke langkah ketiga dan mengulang kembali
langkah-langkah
langkah penyelesaian simpleks.
𝑪𝒋 Basic Quantity 4 5 0 0
aaaa
ITERASI II
3. Menentukan kolom pivot.
𝑪𝒋 Basic Quantity 4 5 0 0
Variable (Q) 𝑿𝟏 𝑿𝟐 𝑺𝟏 𝑺𝟐
5 𝑋 20 1 1 1 0
2 2
0 𝑆 60 5
2
0 −3 2 1
𝑍 100 5 5 5 0
2 2
𝐶 −𝑍 3 0 −5 2 0
2
ccc
4. Menentukan baris pivot
𝑪𝒋 Basic Quantity 4 5 0 0
Variable (Q) 𝑿𝟏 𝑿𝟐 𝑺𝟏 𝑺𝟐
4 𝑿𝟏 5 5 5 5 −3 5 3 5 2
60:: = 24 : =1 0: = 0 : =− 1: =
2 2 2 2 2 2 5 2 5
ccccc
6. Menghitung nilai baris lainnya:
𝐶 − 𝑍 (𝑢𝑛𝑡𝑢𝑘 𝑘𝑜𝑙𝑜𝑚 𝑋1 ) → 4 − 4 = 0
𝐶 − 𝑍 (𝑢𝑛𝑡𝑢𝑘 𝑘𝑜𝑙𝑜𝑚 𝑋2 ) → 5 − 5 = 0
𝐶 − 𝑍 (𝑢𝑛𝑡𝑢𝑘 𝑘𝑜𝑙𝑜𝑚 𝑆1) → 0 − 8 2 = − 8 5
𝐶 − 𝑍 (𝑢𝑛𝑡𝑢𝑘 𝑘𝑜𝑙𝑜𝑚 𝑆2) → 0 − 3 5 = − 3 5
8. Cek baris 𝐶 − 𝑍 . Jika semua nilai 𝐶 − 𝑍 adalah negatif atau nol, maka solusi
telah optimal. Jika semua nilai 𝐶 − 𝑍 adalah negatif atau nol, maka solusi telah
optimal. Jika masih terdapat nilai positif, kembali ke langkah ketiga dan
mengulang kembali langkah
langkah-langkah penyelesaian simpleks..
𝑪𝒋 Basic Quantity 4 5 0 0
Variable (Q) 𝑿𝟏 𝑿𝟐 𝑺𝟏 𝑺𝟐
5 𝑋 8 0 1 4 −1
5 5
4 𝑋 24 1 0 3
− 5 2
5
𝑍 136 4 5 8 3
5 5
𝐶 −𝑍 0 0 8
− 5 3
− 5
Nilai-nilai
nilai tersebut dapat diintepretasika
diintepretasikan sebagai bahwa agar nilai Z (= persamaan
tujuan) maksimal, maka nilai X1 = 24 dan X2 = 8.
1. Render, et.al. 2015. Quantitative Analysis for Management 12th Edition. England.
Pearson Education Limited.
Research – an Introduction, 10th Edition. England,
2. A. Taha, Hamdy. 2017. Operations Resea
Pearson Education Limited.
3. Taylor, Bernard W. 2015. Modul B Introduction to Management Science 12th Edition.
England. Pearson Education Limited. pp. 1
1-22.