Program Linear - Pertemuan 5 - Metode Simpleks

Pertemuan Ke-5
Metode Simpleks
Pangaribuan_rapmaida@staf.undana.ac.id
Matematika FST UNDANA
Metode Simpleks Pertemuan Ke-5
• Metode Grafik hanya bisa menyelesaikan 2

Variabel saja
• Dunia nyata lebih dari 2 variabel
• Gunakan Metode Simpleks
1. Metode Simpleks pertama sekali dikembangkan

oleh George B. Dantzig pada tahun 1947.
2. Suatu algoritma : prosedur yang sistematis

secara berulang-ulang (iterasi) untuk mencari
solusi yang optimal.
Prosedur Metode Simpleks Pertemuan Ke-5
Tujuan: Memaksimukan, Seluruh Kendala ≤
1. Bentuk model program linearnya

2. Tambahkan variabel slack pada setiap kendala untuk membuat
tabel simpleks awal.
3. Buat tabel simplek awal.
4. Pilih variabel nondasar dengan nilai dalam baris evaluasi bersih
untuk dijadikan dasar. Ini mengidentifikasikan kolom pivot:
kolom yang bersesuaian dengan variabel yang akan masuk
(entering variable).
𝒃𝒊
5. Pilih baris pivot yaitu baris dengan ratio terkecil untuk 𝒂𝒊𝒋 >
𝒂𝒊𝒋
𝟎 dimana 𝒋 kolom pivot. Ini mengidentifikasikan baris pivot:
yaitu baris variabel yang meninggalkan dasar ketika variabel 𝒋
masuk.
6. Lakukan operasi baris elementer.
7. Uji optimalitasnya dengan melihat nilai baris evaluasi bersih,
yaitu jika seluruh nilai 𝑪𝒋 − 𝒁𝒋 ≤ 𝟎 maka solusi optimal telah
diperoleh. Jika tidak, kembali ke langkah 4
Tabel Simpleks Awal
𝑥1 𝑥2 … 𝑥𝐧 𝑠1 𝑠2 … 𝑠𝐦
𝐕𝐷 𝐶𝐷 𝑏𝑖 Ratio
c1 c2 … cn c𝑠1 c𝑠2 … c𝑠m
𝑠1 0
𝑠2 0
⋮ ⋮
𝑠𝐦 0
𝑍𝑗
𝐶𝑗 − 𝑍𝑗
• Aturan Pemilihan Variabel nondasar
“Perhatikan baris evaluasi bersih 𝑪𝒋 − 𝒁𝒋 , pilihlah variabel nondasar

yang akan dimasukkan (entering variable) menjadi variabel dasar yang
akan menyebabkan peningkatan per unit terbesar dalam fungsi tujuan.
Pilihlah nilai 𝑪𝒋 − 𝒁𝒋 positif terbesar.
Misalkan variabel dasar masukan (entering variable) bersesuaian

dengan kolom 𝐣 dalam bagian 𝑨, yaitu matriks dari fungsi kendala pada
𝒃
tabel simpleks, untuk setiap baris 𝒊, hitunglah ratio 𝒂 𝒊 untuk setiap 𝒂𝒊𝒋
𝒊𝒋
lebih besar dari nol.
𝒃𝒊
Pilihlah variabel dasar yang bersesuaian dengan ratio terkecil,
𝒂𝒊𝒋
variabel dasar ini akan keluar (leaving variable) digantikan oleh
entering variable.
Contoh:
Rose mebel akan memproduksi 𝟐 (dua) model lemari pakaian,

yaitu model executive dan model antique. Untuk memproduksi
kedua jenis lemari tersebut diperlukan bahan baku utama papan
kayu jati berukuran 𝟐𝟎𝟎 𝒄𝒎 × 𝟏𝟎𝟎𝒄𝒎 × 𝟑 𝒄𝒎 . Model executive
memerlukan 𝟑 lembar papan kayu jati dan model antique
memerlukan 𝟓 lembar papan kayu jati dari total kayu jati yang
tersedia saat ini adalah sebanyak 𝟏𝟓𝟎 lembar. Model antique
memerlukan zat pelapis khusus sebelum dicat, yang saat ini
persediaannya sangat terbatas, yaitu sebanyak 1 liter
perunitnya dari total persediaan 𝟐𝟎 liter zat pelapis khusus.
Kapasitas gudang penyimpanan yang tersedia saat ini 𝟑𝟎𝟎 meter
persegi, setiap unit model executive membutuhkan 𝟖 meter
persegi dan setiap unit model antique membutuhkan 𝟓 meter
persegi sebagai tempat penyimpanannya. Jika setiap unit
memberikan keuntungan masing-masing 𝟓 juta rupiah untuk
model executive dan 𝟒 juta rupiah model antique. Selesaikan
masalah tersebut dengan menggunakan metode simpleks.
Penyelesaian:
Misalkan variabel keputusan
𝑥1 = jumlah lemari model executive yang akan diproduksi.
𝑥2 = jumlah lemari model antique yang akan diproduksi.
Maka model program linearnya adalah:
Maksimumkan 𝑍 = 5𝑥1 + 4𝑥2
Kendala:
3𝑥1 + 5𝑥2 ≤ 150 (papan kayu jati)
𝑥2 ≤ 20 (zat pelapis khusus)
8𝑥1 + 5𝑥2 ≤ 300 (kapasitas gudang)
𝑥1 , 𝑥2 ≥0
• Model Tabel Simpleksnya:
Maksimumkan 𝑍 = 5𝑥1 + 4𝑥2 + 0𝑠1 + 0𝑠2 + 0𝑠3

Kendala:
3𝑥1 + 5𝑥2 + 𝑠1 = 150 (papan kayu jati)
𝑥2 + 𝑠2 = 20 (zat pelapis khusus)
3𝑥1 + 5𝑥2 + 𝑠3 = 300 (kapasitas gudang)
𝑥1 , 𝑥2 , 𝑠1 , 𝑠2 , 𝑠3 ≥0
Tabel Simpleks Awal
𝐱𝟏 𝐱𝟐 𝐬𝟏 𝐬𝟐 𝐬𝟑
𝐕𝐃 𝐂𝐃 𝐛𝐢 Ratio
5 4 0 0 0
𝐬𝟏 0 3 5 1 0 0 150
𝐬𝟐 0 0 1 0 1 0 20
𝐬𝟑 0 8 5 0 0 1 300
𝐙𝐣 0 0 0 0 0 0
𝐂𝐣 − 𝐙𝐣 5 4 0 0 0
Pemilihan “Entering” “Leaving” Variabel
𝐱𝟏 𝐱𝟐 𝐬𝟏 𝐬𝟐 𝐬𝟑
5 4 0 0 0
𝐬𝟏 𝟏𝟓𝟎
0 3 5 1 0 0 150 = 𝟓𝟎
𝟑
𝐬𝟐 0 0 1 0 1 0 20 -
𝐬𝟑 𝟑𝟎𝟎
0 8 5 0 0 1 300 = 𝟑𝟕, 𝟓
𝟖
Leaving
𝐙𝐣 0 0 0 0 0 0 Variable
𝐂𝐣 − 𝐙𝐣 5 4 0 0 0
Entering Variable
Iterasi 1:
𝐱𝟏 𝐱𝟐 𝐬𝟏 𝐬𝟐 𝐬𝟑
5 4 0 0 0
25 3 75
𝑠1 0 0 1 0 − 12
8 8 2 Leaving
𝑠2 0 0 1 0 1 0 20 20 Variable
5 1 75
𝑥1 5 1 0 0 60
8 8 2
𝐙𝐣 25 5
5 0 0 187,5
8 8
𝐂𝐣 − 𝐙𝐣 7 5
0 0 0 −
8 8
Entering Variable
Iterasi 2:
𝒙𝟏 𝒙𝟐 𝒔𝟏 𝒔𝟐 𝒔𝟑
𝐕𝑫 𝑪𝑫 𝒃𝒊 Ratio
5 4 0 0 0
𝟖 𝟑
𝒙𝟐 4 𝟎 𝟏 0 − 𝟏𝟐
𝟐𝟓 𝟐𝟓
𝟖 𝟑
𝒔𝟐 0 0 0 − 1 8
𝟐𝟓 𝟐𝟓
𝟏 𝟏
𝒙𝟏 5 1 𝟎 − 0 𝟑𝟎
𝟓 𝟓
𝒁𝒋 𝟏𝟒 𝟐𝟔
5 𝟒 0 198
𝟓𝟎 𝟓𝟎
𝑪𝒋 − 𝒁𝒋 𝟏𝟒 𝟐𝟔
0 𝟎 − 0 −
𝟓𝟎 𝟓𝟎
Diperhatikan:
Semua angka pada baris evaluasi bersih telah
bernilai nonpositive (𝐶𝑗 − 𝑍𝑗 ≤ 0)
Jadi solusi optimal untuk masalah Rose Mebel

sudah diperoleh yaitu: 𝑥1 = 30, 𝑥2 = 12, 𝑥3 =
0, 𝑠1 = 0, 𝑠2 = 8, 𝑠3 = 0,
dengan nilai fungsi tujuan 𝑍 = 198
Tujuan: Meminimumkan, Seluruh Kendala ≤
Ada 2 Pendekatan:
1. Mengubah aturan yang digunakan dalam masalah

memaksimumkan, dengan memilih nilai evaluasi bersih
𝑍𝑗 − 𝐶𝑗 negatif terbesar untuk mengidentifikasikan
variabel yang akan masuk sebagai varibel dasar. Solusi
optimal diperoleh jika semua nilai pada baris evaluasi
bersih bernilai nol dan positif.
2. Mengalikan fungsi tujuan dengan −1 (negatif satu).
Tujuan: Maks/Min, Kendala ≥
Jika dalam masalah program linear ditemukan kendala

lebih besar dari atau sama dengan maka kurangkan dengan
variabel surplus untuk mengubah model
Setelah itu tambahkan variabel artificial untuk
mendapatkan bentuk tabel simpleks awalnya
Koefisien variabel surplus dalam fungsi tujuan mendapat

nilai nol sedangkan koefisien variabel artificial dalam fungsi
tujuan mendapat nilai – 𝑀 masalah memaksimumkan dan +𝑀
untuk masalah meminimumkan.
Tujuan: Maks/Min, Kendala =
Tambahkan suatu variabel artificial untuk

mendapatkan bentuk tabel simpleksnya.
Koefisien variabel artificial dalam fungsi tujuan

mendapat nilai – 𝑀.
Variabel artificial ini menjadi salah satu dari

variabel dasar dalam solusi dasar layak awal.
Daftar Pustaka:
• Anderson, D. R. dkk. 1996. Manajemen Sains Edisi VII Jilid
I. Jakarta: Erlangga.
• Taylor III, B. W. 2005. Sains Manajemen Edisi 8. Jakarta:
Salemba Empat.
• Winston, W. L. 2004. Operations Research: Applications
and Algoritms Fourt Edition. USA: Brooks/Cole Thomson
Learning.
Pertemuan Ke-5
Metode Simpleks (Lanjutan)

Metode Big M
Metode 2 Phase
Kasus Khusus
Ingat:
Fungsi Tujuan: Maksimumkan/Meminimumkan,
Seluruh Kendala berbentuk ≤
Maksimumkan:
1. Pilih nilai evaluasi bersih 𝐶𝑗 − 𝑍𝑗 positif terbesar untuk

mengidentifikasikan variabel yang akan masuk sebagai variabel
dasar.
2. Solusi optimal diperoleh jika semua nilai pada baris evaluasi
bersih bernilai 𝐶𝑗 − 𝑍𝑗 ≤ 0.
Ingat:
Fungsi Tujuan: Meminimumkan,
Seluruh Kendala berbentuk ≤
Minimumkan: ada 2 Pendekatan:
1. Mengubah aturan yang digunakan dalam masalah

memaksimumkan, dengan memilih nilai evaluasi bersih
𝐶𝑗 − 𝑍𝑗 negatif terbesar untuk mengidentifikasikan variabel
yang akan masuk sebagai varibel dasar.
2. Solusi optimal diperoleh jika semua nilai pada baris evaluasi
bersih bernilai 𝐶𝑗 − 𝑍𝑗 ≥ 0.
3. Mengalikan fungsi tujuan dengan −1 (negatif satu) artinya

mengubah fungsi tujuan menjadi memaskimumkan
Tujuan: Maks/Min, Kendala ≥
• Jika dalam masalah program linear ditemukan kendala

lebih besar dari atau sama dengan maka kurangkan
dengan variabel surplus untuk mengubah model
• Setelah itu tambahkan variabel artificial untuk
mendapatkan bentuk tabel simpleks awalnya
• Koefisien variabel surplus dalam fungsi tujuan mendapat

nilai nol sedangkan koefisien variabel artificial dalam
fungsi tujuan mendapat nilai – 𝑀 masalah memaksimumkan
dan +𝑀 untuk masalah meminimumkan.
• Koefisien mewakili angka yang sangat besar (Big M)
Tujuan: Maks/Min, Kendala =
Tambahkan suatu variabel artificial untuk

mendapatkan bentuk tabel simpleksnya.
Koefisien variabel artificial dalam fungsi tujuan

mendapat nilai +𝑀 𝑚𝑖𝑛 𝑑𝑎𝑛 − 𝑀(𝑚𝑎𝑘𝑠).
Variabel artificial ini menjadi salah satu dari

variabel dasar dalam solusi dasar layak awal.
Contoh 1
Ubahlah masalah program linear berikut kedalam bentuk table
simpleks awal
Maks 𝑍 = 6𝑥1 + 3𝑥2 + 4𝑥3 + 𝑥4
Kendala
1
−2𝑥1 − 2 𝑥2 + 𝑥3 − 6𝑥4 = −60
2
𝑥1 + 𝑥3 + 𝑥4 ≤ 20
3
−𝑥1 − 5𝑥3 ≤ −50
𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ≥0
Penyelesaian:
Model program linear untuk table simpleksnya:
Maks 𝑍 = 6𝑥1 + 3𝑥2 + 4𝑥3 + 𝑥4 + 0𝑠2 + 0𝑠3 − 𝑀𝑎1 − 𝑀𝑎3
Kendala
1
2𝑥1 2 𝑥2 − 𝑥3 + 6𝑥4 + 𝑎1 = 60
2
𝑥1 + 𝑥3 + 𝑥4 + 𝑠2 = 20
3
𝑥1 + 5𝑥3 − 𝑠3 + 𝑎3 = 50
𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 , 𝑠2 , 𝑠3 , 𝑎1 , 𝑎3 ≥ 0
Tabel Simpleks awalnya:
𝐱𝟏 𝐱𝟐 𝐱𝟑 𝐱𝟒 𝐬𝟐 𝐬𝟑 𝐚𝟏 𝐚𝟑
Dasar 𝐂𝐃 𝐛𝐢
6 3 4 1 0 0 −𝐌 −𝐌
𝐚𝟏 −𝐌 𝟏
2 -1 6 0 0 1 0 60
𝟐
𝐬𝟐 𝟐
0 1 0 1 1 0 0 0 20
𝟑
𝐚𝟑 −𝐌 1 0 5 0 0 -1 0 1 50
𝐙𝐣 −𝟑𝐌 𝟏 −𝟒𝐌 −𝟔𝐌 𝟎 𝐌 −𝐌 −𝟏𝟏𝟎𝐌

− 𝐌 -𝐌
𝟐
𝟑
𝐂𝐣 − 𝒁𝐣 𝟔 + 𝟑𝐌 𝟑+ 𝐌 𝟒 + 𝟒𝐌 𝟏 + 𝟔𝐌 0 −𝐌 𝟎 𝟎
𝟐
Contoh 2
Selesaikan masalah program linear berikut dengan menggunakan
metode simpleks
Min 𝑍 = 𝑥1 − 2𝑥2
Kendala
𝑥1 + 𝑥2 ≥ 2
−𝑥1 + 𝑥2 ≥ 1
𝑥2 ≤3
𝑥1 , 𝑥2 ≥0
Penyelesaian:
Bentuk table simpleksnya:
𝑀𝑖𝑛 𝑍 = 𝑥1 − 2𝑥2 + 0𝑠1 + 0𝑠2 + 0𝑠3 + 𝑀𝑎1 + 𝑀𝑎2
𝑥1 + 𝑥2 − 𝑠1 + 𝑎1 = 2
−𝑥1 + 𝑥2 − 𝑠2 + 𝑎2 = 1
𝑥2 + 𝑠3 = 3
𝑥1 , 𝑥2, 𝑠1 , 𝑠2 , 𝑠3 , 𝑎1 , 𝑎2 ≥ 0
Tabel simpleks awal:
𝑥1 𝑥2 𝑠1 𝑠2 𝑠3 𝑎1 𝑎2
Dasar 𝐶𝐷 𝑏𝑖
1 -2 0 0 0 𝑀 𝑀
𝑎1 𝑀 1 1 -1 0 0 1 0 2
𝑎2 𝑀 -1 1 0 -1 0 0 1 1
𝑠3 0 0 1 0 0 1 0 0 3
𝑍𝑗 0 2𝑀 −𝑀 −𝑀 0 𝑀 𝑀 3𝑀
𝐶𝑗 − 𝑍𝑗 1 −2 − 2𝑀 𝑀 𝑀 0 0 0
Iterasi 1
𝑥1 𝑥2 𝑠1 𝑠2 𝑠3 𝑎1 𝑎2
Dasar 𝐶𝐷 𝑏𝑖
1 -2 0 0 0 𝑀 𝑀
𝑎1 𝑀 2 0 -1 1 0 1 -1 1
𝑥2 −2 -1 1 0 -1 0 0 1 1
𝑠3 0 1 0 0 1 1 0 -1 2
𝑍𝑗 2𝑀 + 2 −2 −𝑀 𝑀+2 0 𝑀 −𝑀 − 2 𝑀−2
𝐶𝑗 − 𝑍𝑗 −2𝑀 − 1 0 𝑀 −𝑀 − 2 0 0 2M + 2
Iterasi 2
𝑥1 𝑥2 𝑠1 𝑠2 𝑠3 𝑎1 𝑎2
VDasar 𝐶𝐷 𝑏𝑖
1 -2 0 0 0 𝑀 𝑀
𝑥1 1 0 1 1 1 1 1
1 − 0 −
2 2 2 2 2
𝑥2 −2 1 1 1 3
0 1 − − 0 0
2 2 2 2
𝑠3 0 1 1 1 3
0 0 1 0 −
2 2 2 2
𝑍𝑗 1 −2 1 3 0 1 3 5
− −
2 2 2 2 2
𝐶𝑗 − 𝑍𝑗 0 0 1 3 0 1 3
− − 𝑀− 𝑀−
2 2 2 2
Iterasi 3
𝑥1 𝑥2 𝑠1 𝑠2 𝑠3 𝑎1 𝑎2
VDasar 𝐶𝐷 𝑏𝑖
1 -2 0 0 0 𝑀 𝑀
𝑠2 0 2 0 −1 1 0 1 −1 1
𝑥2 −2 1 1 −1 0 0 1 0 2
𝑠3 0 -1 0 1 0 1 -1 0 1
𝑍𝑗 −2 −2 2 0 0 −2 0 −4
𝐶𝑗 − 𝑍𝑗 3 0 −2 0 0 1 𝑀
𝑀+
2
Iterasi 4
𝑥1 𝑥2 𝑠1 𝑠2 𝑠3 𝑎1 𝑎2
V Dasar 𝐶𝐷 𝑏𝑖
1 -2 0 0 0 𝑀 𝑀
𝑠2 0 2 0 0 1 1 0 −1 2
𝑥2 −2 0 1 0 0 1 0 0 3
𝑠1 0 -1 0 1 0 1 -1 0 1
𝑍𝑗 0 −2 0 0 −2 0 0 −6
𝐶𝑗 − 𝑍𝑗 1 2 0 0 0 1 𝑀
𝑀+
2
Karena dari Iterasi 4 diperhatikan baris evaluasi bersih

𝐶𝑗 − 𝑍𝑗 ≥ 0 maka solusi optimal telah diperoleh, yaitu
𝑥1 = 0, 𝑥2 = 3, 𝑠1 = 1, 𝑠2 = 2, 𝑠3 = 0 dengan nilai
fungsi tujuannya 𝑍 = −6 𝑚𝑎𝑘𝑠 𝑎𝑡𝑎𝑢 𝑍 = 6 (𝑚𝑖𝑛)
Metode 2 Fase
Fase 1
Digunakan untuk menguji apakah masalah yang akan diselesaikan memiliki solusi layak
atau tidak.
Pada fase pertama ini, fungsi tujuan semula diganti dengan meminimumkan jumlah variabel
artificialnya. Jika nilai minimum fungsi tujuan baru telah berharga nol (artinya seluruh
variabel artificial berharga nol) berarti masalah program linear tersebut memiliki solusi
layak dan dapat dilanjutkan ke fase dua. Tetapi jika nilai fungsi minimum tujuan baru ini
berharga positif maka masalah program linear tersebut tidak memiliki solusi layak.
Fase 2
Pada fase kedua ini, solusi layak optimum dari fase pertama digunakan sebagai solusi awal
bagi masalah yang pertama (asli). Pada fase kedua ini bentuk fungsi tujuan fase satu diubah
dengan mengembalikannya pada fungsi tujuan masalah semula (asli). Selanjutnya proses
penyelesaian dilakukan dengan mengikuti aturan metode simpleks biasa.
Kejadian-kejadian khusus
Degenerasi
𝑥1 𝑥2 𝑠1 𝑠2 𝑠3
Dasar 𝐶𝐷 𝑏𝑖 𝑏𝑖
5 3 0 0 0 𝑎𝑖𝑗
𝑥2 3 1 1 0
0 − 2 2
2
𝑥1 5 0 1 0 −1 2
1
2
𝑠2 0 0 3 1 2 0
0 −
2
𝑍𝑗 5 3 1 0 1 16
𝐶𝑗 − 𝑍𝑗 0 0 −1 0 −1
Reduncancy
𝑥1 𝑥2 𝑠1 𝑠2 𝑠3
𝑎𝑖𝑗
1 2 0 0 0
𝑥1 1 1 3 1 0 0 5
𝑠2 0 0 −1 −2 1 0 0
𝑠3 0 0 −2 −4 0 1 2
𝑍𝑗 1 3 1 0 0 5
𝐶𝑗 − 𝑍𝑗 0 −1 −1 0 0
Unbounded Solution
𝑥1 𝑥2 𝑥3 𝑠1 𝑠2 𝑠3
𝑎𝑖𝑗
20 10 1 0 0 0
𝑠1 0 0 −𝟑 2 1 −3 0 20
𝑥1 20 𝟏 𝟎 1 0 1 0 10
𝑠3 0 1 −𝟏 3 0 −1 10 10
𝑍𝑗 20 𝟎 20 0 20 0 200
𝐶𝑗 − 𝑍𝑗 0 𝟏𝟎 −19 0 −20 0
Infeasible Solution
𝑥1 𝑥2 𝑠1 𝑠2 𝑠3 𝑎3
𝑎𝑖𝑗
4 3 0 0 0 −𝑀
𝑥2 3 1 1 1 0 0 0 3
𝑠2 0 3 0 1 1 0 0 6
𝒂𝟑 −𝑀 −1 0 −1 0 −1 1 𝟏
𝑍𝑗 3+𝑀 3 3+𝑀 0 𝑀 −𝑀 9−𝑀
𝐶𝑗 − 𝑍𝑗 1−𝑀 0 −3 − 𝑀 0 −𝑀 0
Sekian dan Terimakasih

Program Linear - Pertemuan 5 - 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

Program Linear - Pertemuan 5 - Metode Simpleks

Diunggah oleh

Hak Cipta:

Format Tersedia

Pertemuan Ke-5

• Metode Grafik hanya bisa menyelesaikan 2

1. Metode Simpleks pertama sekali dikembangkan

2. Suatu algoritma : prosedur yang sistematis

1. Bentuk model program linearnya

Tabel Simpleks Awal

“Perhatikan baris evaluasi bersih 𝑪𝒋 − 𝒁𝒋 , pilihlah variabel nondasar

Misalkan variabel dasar masukan (entering variable) bersesuaian

Rose mebel akan memproduksi 𝟐 (dua) model lemari pakaian,

• Model Tabel Simpleksnya:

Maksimumkan 𝑍 = 5𝑥1 + 4𝑥2 + 0𝑠1 + 0𝑠2 + 0𝑠3

Tabel Simpleks Awal

Jadi solusi optimal untuk masalah Rose Mebel

1. Mengubah aturan yang digunakan dalam masalah

2. Mengalikan fungsi tujuan dengan −1 (negatif satu).

Jika dalam masalah program linear ditemukan kendala

Koefisien variabel surplus dalam fungsi tujuan mendapat

Tambahkan suatu variabel artificial untuk

Koefisien variabel artificial dalam fungsi tujuan

Variabel artificial ini menjadi salah satu dari

Metode Simpleks (Lanjutan)

Fungsi Tujuan: Maksimumkan/Meminimumkan,

Seluruh Kendala berbentuk ≤

1. Pilih nilai evaluasi bersih 𝐶𝑗 − 𝑍𝑗 positif terbesar untuk

Fungsi Tujuan: Meminimumkan,

Seluruh Kendala berbentuk ≤

Minimumkan: ada 2 Pendekatan:

1. Mengubah aturan yang digunakan dalam masalah

3. Mengalikan fungsi tujuan dengan −1 (negatif satu) artinya

• Jika dalam masalah program linear ditemukan kendala

• Koefisien variabel surplus dalam fungsi tujuan mendapat

Tambahkan suatu variabel artificial untuk

Koefisien variabel artificial dalam fungsi tujuan

Variabel artificial ini menjadi salah satu dari

Tabel Simpleks awalnya:

𝐙𝐣 −𝟑𝐌 𝟏 −𝟒𝐌 −𝟔𝐌 𝟎 𝐌 −𝐌 −𝟏𝟏𝟎𝐌

𝑀𝑖𝑛 𝑍 = 𝑥1 − 2𝑥2 + 0𝑠1 + 0𝑠2 + 0𝑠3 + 𝑀𝑎1 + 𝑀𝑎2

Karena dari Iterasi 4 diperhatikan baris evaluasi bersih

𝑍𝑗 3+𝑀 3 3+𝑀 0 𝑀 −𝑀 9−𝑀

Anda mungkin juga menyukai