UNTUK PRIMAL
(Diajukan untuk memenuhi salah satu tugas Mata Kuliah Riset Operasional)
Dosen Pengampu :
Siti Rohmah, SE., MPd
Disusun oleh:
KELOMPOK 4
FAKULTAS EKONOMI
2023
KATA PENGANTAR
Puji syukur kehadirat Tuhan Yang Maha Kuasa karena telah memberikan
kesempatan pada penulis untuk menyelesaikan makalah ini. Atas rahmat dan
Programming : Solusi Awal, Artificial Starting untuk Primal” dengan tepat waktu.
disusun untuk memenuhi salah satu tugas Ibu Siti Rohmah, SE., MPd pada mata
kuliah Riset Operasional. Selain itu, penulis berharap agar makalah ini dapat
Penulis mengucapkan terima kasih yang sebesar – besarnya kepada Ibu Siti
Rohmah, SE., MPd selaku dosen mata kuliah Riset Operasional. Penulis juga
mengucapkan terima kasih pada semua pihak yang telah membantu proses
Penulis menyadari makalah ini masih jauh dari kata sempurna. Oleh karena itu,
kritik dan saran yang membangun akan penulis terima demi kesempurnaan
makalah ini.
Kelompok 4,
DAFTAR ISI
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 menggabungkan ukuran-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. Apa yang dimaksud dengan program linear metode Big – M?
2. Bagaimana formulasi metode Big M?
3. Bagaimana contoh kasus dan pembahasan dari metode Big – M?
C. Tujuan
1. Dapat memahami tentang Program Linear Metode Big – M.
2. Memahami Formulasi permasalahan Program Linear Metode Big – M.
BAB II
PEMBAHASAN
Sebagai contoh :
( Jumlah variabel buatan sama dengan jumlah kendala yang bertanda ³ dan = )
Lakukan test optimalitas dan ratio seperti pada metode simpleks biasa.
Catatan :
Usahakan agar variabel buatan keluar dari basis. Bila tidak berhasil pada tabel
akhir, maka persoalan program linear tidak mempunyai solusi.
Min. z = 4 x1 + x2
Terhadap: 3x1 + x2 = 3
4x1 + 3x2 ≥ 6
x1 + 2x2 ≤ 4
x1, x2 ≥ 0
Bentuk Baku:
Min. z = 4 x1 + x2
Terhadap: 3x1 + x2 = 3
4x1 + 3x2 - S1 =6
x1 + 2x2 + S2 =4
Terhadap: 3x1 + x2 + A1 = 3
4x1 + 3x2 - s1 + A2 = 6
x1 + 2x2 + s2 = 4
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 iterasinya 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
(1
Z 0 -M (4-7M)/3 0 0 4+2M
+5M)/3 -
X1 1 1/3 0 1/3 0 0 1 3
A2 0 5/3 -1 -4/3 1 0 2 6/5
S2 0 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 – M -1/5 – M 0 18/5 -
X1 1 0 1/5 3/5 -1/5 0 3/5 25/3
X2 0 1 -3/5 -4/5 3/5 0 6/5 -
S2 0 0 1 1 -1 1 1 1
Iterasi Optimal
VB X1 X2 S1 A1 A2 S2 Solusi
z 0 0 0 7/5-M -M -1/5 17/5
X1 1 0 0 2/5 0 -1/5 2/5
X2 0 1 0 -1/5 0 3/5 9/5
S1 0 0 1 1 -1 1 1
Solusi Optimum
X1 = 2/5 satuan
X2 = 9/5 satuan
Z = 17/5 satuan
A. Contoh Kasus!
BAB III
PENUTUP
A. Kesimpulan
DAFTAR PUSTAKA
Hamdy A Taha, Operations Researchan An Introduction 2007 Pearson Education,
Inc.