MODUL PERKULIAHAN

Matematika
Optimisasi

Kasus-kasus khusus metode

simpleks

Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh

Teknik Teknik Industri W161700014 Hayu Kartika ST., MT.
05

Abstract
Sekumpulan aktivitas unik yang
saling terkait yang ditujukan untuk
mencapai kinerja tertentu dalam
batasan waktu dan resources yang
tersedia disebut dengan Proyek
Kompetensi
Memberikan pemahaman tentang sis-
tem Manajemen Proyek, baik yang
terkait dengan konsep proyek, proses
manajemen proyek maupun adminis-
trasi proyek
Kasus-kasus khusus metode simpleks
V.1. PENDAHULUAN

Metoda Simplex yang Direvisi (Revised Simplex Method = RSM) adalah metoda simplex
dengan bentuk yang lebih ringkas, yakni hanya dengan menyimpan informasi yang diper-
lukan saja. Matriks yang lebih kecil dari metoda simplex biasa ini akan mengurangi memori
komputer yang digunakan dan juga dapat mempercepat proses setiap iterasinya.

Untuk mengingatkan kembali, berikut dituliskan langkah-langkah metoda simplex dengan

fungsi tujuan yang berbentuk minimasi seperti berikut.

Dimulai dari suatu titik ekstrim yang fisibel (Solusi Basis yang Fisibel = SBF) dengan basisB
(dan B–1 sebagai inversnya), maka :

(1) SBF yang dimaksud adalah : xB = B–1b = b dan xN = 0

dan fungsi tujuannya = z = cBxB = cBB–1b = cBb

(2) Dari SBF yang ada, tentukan w = cBB–1, dan untuk setiap variabel non-basis, hitung (z j –
cj) = cBB–1aj– cj = waj –cj
Tentukan (zk – ck) = Maksimum (zj – cj). Jika (zk – ck)  0  stop, karena SBF yang ada
merupakan solusi optimal. Bila tidak, yakni (zk – ck) > 0, lanjutkan ke langkah (3).

(3) Hitung yk = B–1 ak

Jika yk0, stop karena solusinya unbounded.
Jika tidak, yakni yk≰0 (paling tidak ada satu anggota dari yk yang positif), tentukan in-
xB
deks variabel r (baris ke : r) yang akan keluar dari basis melalui tes rasio minimum
berikut :

br
y rk
= Minimum
1≤i≤m { bi
: y >0
y ik ik }
aB
dan ubah (update) B dengan mengganti r dengan ak dan kembali ke langkah (1).

2018 Optimisasi
2 Hayu Kartika ST., MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
Dengan memperhatikan langkah-langkah diatas, maka sebetulnya metoda simplex dapat di-
jalankan dengan menggunakan tabel yang lebih ringkas, yang merupakan RSM.

Jadi, misalkan invers basis awalnya adalahB–1, maka dapat disusun tabel ringkas berikut,

INVERS BASIS RHS

cBb
w baris ke : 0

B–1 b baris ke : 1 s/d m

dimana w = cBB–1 dan b = B–1b.

Tabel ini disebut sebagai tabel simplex yang direvisi (tabel RSM) dimana seluruh isinya ter-
dapat juga pada tabel simplex (biasa), khususnya bila tabel simplex biasa tersebut diawali
dengan matriks identitas (dari variabel slack ataupun variabel yang membentuk identitas
dengan koefisien ongkos nol), sehingga memberikan B–1.

Dengan tabel RSM ini, langkah-langkah yang diperlukan oleh metoda simplex dapat di-
lakukan.

Langkah-langkah RSM (untuk kasus Minimasi) :

A. Langkah Inisialisasi :
(1) Tentukan basis awal yang fisibel (SBF) dengan basis invers B–1.
(2) Hitung w = cBB–1

(3) Hitung b = B–1b.

(4) Hitung nilai f.obyektif = cBb .

sehingga diperoleh tabel ringkas awal seperti tabel diatas.

B. Langkah Utama :
(1) Untuk setiap variabel non-basis, hitung (z j – cj) = waj –cj. Tentukan (zk – ck) =
Maksimum (zj – cj).
Jika (zk – ck)  0, stop; karena SBF yang ada merupakan solusi optimal.
Jika (zk – ck) > 0, lanjutkan ke langkah (2) berikut.
(2) Hitung yk = B–1 ak.
Jika yk0, stop karena solusinya unbounded.

2018 Optimisasi
3 Hayu Kartika ST., MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 Jikayk≰0, tambahkan kolom
[ z k −c k
yk ] disebelah kanan tabel ringkas RSM se-
hingga dihasilkan tabel berikut.

INVERS BASIS RHS xk

cBb
w zk – ck baris ke : 0

B–1 b yk baris ke : 1 s/d m

(3) Tentukan indeks baris r dari variabel basis (leaving variable) sebagai berikut.
br
y rk
= Minimum
1≤i≤m { bi
: y >0
y ik ik }
(4) Lakukan pivoting pada entri yrk, dan ubah (update) tabel ringkas RSM. Hilangkan
kolom xk, dan kembali ke (1) pada Langkah Utama.

Contoh 5.1.

Selesaikan persoalan PL berikut dengan menggunakan Revised Simplex Method (RSM).

Minimasi : z = – x1 – 2 x2 + x3 – x4 – 4x5 + 2x6

s/t x1 + x 2 + x3 + x4 + x5 + x6  6
2x1 – x 2 – 2 x3 + x 4 4
x3 + x4 + 2 x5 + x6  4
x1, x2, x3, x4, x5, x6  0

Jawab :

Dengan menambahkan variabel-variabel slack, diperoleh bentuk standar berikut.

Minimasi : z = – x1 – 2 x2 + x3 – x4 – 4x5 + 2x6

s/t x1 + x 2 + x3 + x4 + x 5 + x6 + s1 =6
2x1 – x 2 – 2 x3 + x 4 + s2 =4
x 3 + x 4 + 2 x5 + x 6 + s3 = 4
x1, x2, x3, x4, x5, x6, s1, s2, s3  0

Iterasi 1 :

2018 Optimisasi
4 Hayu Kartika ST., MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 Dengan basis awal B = [a7, a8, a9] maka :

B = B–1= I3.

[ ]
1 0 0
0 1 0
w = cBB–1 = (0, 0, 0)
0 0 1 = (0, 0, 0)

[ ][ ] [ ]
1 0 0 6 6
0 1 0 4 4
b = B–1b = 0 0 1 4 =
4

Nilai f.obyektif = cBb = (0, 0, 0) [6, 4, 4]t = 0

sehingga diperoleh tabel ringkas berikut.

INVERS BASIS RHS

z 0 0 0 0
s1 1 0 0 6
s2 0 1 0 4
s3 0 0 1 4

Hitung (zj – cj) untuk setiap variabel non-basis :

 Variabel non-basis x1 : (zj – cj) = wa1 – c1 = (0, 0, 0) [1, 2, 0]t – (–1) = 0 + 1 = 1.

 Variabel non-basis x2 : (z2 – c2) = wa2 – c2 = (0, 0, 0) [1, –1, 0]t – (–2) = 0 + 2 = 2.
 Variabel non-basis x3 : (z3 – c3) = wa3 – c3 = (0, 0, 0) [1, – 2, 1]t – (1) = 0 – 1 = –1.
 Variabel non-basis x4 : (z4– c4) = wa4 – c4 = (0, 0, 0) [1, 1, 1]t – (–1) = 0 + 1 = 1.
 Variabel non-basis x5 : (z5 – c5) = wa5 – c5 = (0, 0, 0) [1, 0, 2]t – (– 4) = 0 + 4 = 4.
 Variabel non-basis x6 : (z6 – c6) = wa6 – c6 = (0, 0, 0) [1, 0, 1]t – (2) = 0 – 2 = –2.

Jadi, maksimum (zj – cj) = (z5 – c5) = 4 (> 0), sehingga kondisi optimal belum dipenuhi dan
variabel x5 merupakan entering variable.

[ ][ ] [ ]
1 0 0 1 1
0 1 0 0 0
Tentukan y5 = B–1a5=
0 0 1 2 =
2 dan bersama-sama dengan (z5 – c5), ditam-
bahkan tabel RSM sebagai kolom paling kanan menjadi seperti berikut.

2018 Optimisasi
5 Hayu Kartika ST., MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 INVERS BASIS RHS x5 Tes Rasio
z 0 0 0 0 4 Minimum
s1 1 0 0 6 1 6/1 = 6
s2 0 1 0 4 0 -
s3 0 0 1 4 2 4/2 = 2 

Pivoting dilakukan pada entri y35 agar kolom x5berubah :

x5 x5
4 0
dari : 1 menjadi : 0
0 0
2 1

sehingga meng-update tabel RSM menjadi seperti berikut.

INVERS BASIS RHS

z 0 0 –2 –8
s1 1 0 – 1/2 4
s2 0 1 0 4
x5 0 0 1/2 2

Iterasi 2 :

Dengan w = (0, 0, – 2), tentukan (zj – cj) untuk setiap variabel non-basis :
 Variabel non-basis x1 : (zj – cj) = wa1 – c1 = (0, 0, –2) [1, 2, 0]t – (–1) = 0 + 1 = 1.
 Variabel non-basis x2 : (z2 – c2) = wa2 – c2 = (0, 0, –2) [1, –1, 0]t – (–2) = 0 + 2 = 2.
 Variabel non-basis x3 : (z3 – c3) = wa3 – c3 = (0, 0, –2) [1, – 2, 1]t – (1) = – 2 – 1 = –3.
 Variabel non-basis x4 : (z4– c4) = wa4 – c4 = (0, 0, –2) [1, 1, 1]t – (–1) = – 2 + 1 = – 1.
 Variabel non-basis x6 : (z6 – c6) = wa6 – c6 = (0, 0, –2) [1, 0, 1]t – (2) = – 2 – 2 = – 4.
 Variabel non-basis x9 : (z9 – c9) = wa9 – c9 = (0, 0, –2) [0, 0, 1]t – (0) = – 2 – 0 = –2.
(z9 – c9) boleh tidak dihitung, karena merupakan variabel non-basis yang baru, seba-
gai leaving variable pada iterasi sebelumnya.
Jadi, maksimum (zj – cj) = (z2 – c2) = 2 (> 0), sehingga kondisi optimal belum dipenuhi dan
variabel x2 merupakan entering variable.

2018 Optimisasi
6 Hayu Kartika ST., MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 [ ][ ] [ ]
1 0 −1/2 1 1
0 1 0 −1 −1
Tentukan y2 = B–1a2=
0 0 1 /2 0 =
0 dan bersama-sama dengan (z2 – c2),
ditambahkan tabel RSM sebagai kolom paling kanan menjadi seperti berikut.

INVERS BASIS RHS x2 Tes Rasio

z 0 0 –2 – 8 2 Minimum
s1 1 0 – 1/2 4 1 4/1 = 4 
s2 0 1 0 4 –1 -
x5 0 0 1/2 2 0 -

Pivoting dilakukan pada entri y12 agar kolom x2berubah :

x2 x2
2 0
dari : 1 menjadi : 1
–1 0
0 0

sehingga meng-update tabel RSM menjadi seperti berikut.

INVERS BASIS RHS

z –2 0 –1 – 16
x2 1 0 – 1/2 4
s2 1 1 – 1/2 8
x5 0 0 1/2 2

Iterasi 3 :

Dengan w = (– 2, 0, – 1), tentukan (zj – cj) untuk setiap variabel non-basis :

 Variabel non-basis x1 : (zj – cj) = wa1 – c1 = (–2, 0, –1) [1, 2, 0]t – (–1) =(–2 + 1 = –1.
 Variabel non-basis x3 : (z3 – c3) = wa3 – c3 = (–2, 0,–1) [1, – 2, 1]t – (1) = – 3 –1 = – 4.
 Variabel non-basis x4 : (z4– c4) = wa4 – c4 = (–2, 0, –1) [1, 1, 1]t – (–1) = – 3 + 1 = – 2.
 Variabel non-basis x6 : (z6 – c6) = wa6 – c6 = (–2, 0, –1) [1, 0, 1]t – (2) = – 3 – 2 = – 5.
 Variabel non-basis x7 : (z7 – c7) = wa7 – c7 = (–2, 0, –1) [1, 0, 0]t – (0) = – 2 – 0 = –2.

2018 Optimisasi
7 Hayu Kartika ST., MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 (z7 – c7) boleh tidak dihitung, karena merupakan variabel non-basis yang baru, seba-
gai leaving variable pada iterasi sebelumnya.
 Variabel non-basis x9 : (z9 – c9) = wa9 – c9 = (–2, 0, –1) [0, 0, 1]t – (0) = – 1 – 0 = –1.

Jadi, maksimum (zj – cj) = (z2 – c2) = – 1 ( 0), sehingga kondisi optimal dipenuhi dan so-
lusi yang ada = (x1*, x2*, x3*, x4*, x5*, x6*, s3*, s2*, s3*) = (0, 4, 0, 0, 2, 0, 0, 8, 0) merupakan so-
lusi optimum, dengan nilai f. obyektif optimal = –16.

*) Penyelesaian dengan metoda simplex “biasa” (dengan menampilkan seluruh variabel

dalam satu tabel)
Perhatikan bahwa hanya 3 kolom yang merupakan basis awal saja yang selalu dituliskan
pada metoda RSM.

Minimasi : z = – x1 – 2 x2 + x3 – x4 – 4x5 + 2x6

s/t x1 + x 2 + x3 + x4 + x 5 + x6 + s1 =6
2x1 – x 2 – 2 x3 + x 4 + s2 =4
x3 + x4 + 2 x5 + x6 + s3 = 4
x1, x2, x3, x4, x5, x6, s1, s2, s3  0


z x1 x2 x3 x4 x5 x6 s1 s2 s3 RHS
z 1 1 2 1 1 4 2 0 0 0 0
s1 0 1 1 1 1 1 1 1 0 0 6
s2 0 2 1 2 1 0 0 0 1 0 4
s3 0 0 0 1 1 2 1 0 0 1 4 
Entering variable : x5; leaving variable : s3


z x1 x2 x3 x4 x5 x6 s1 s2 s3 RHS
z 1 1 2 3 1 0 4 0 0 2 8
s1 0 1 1 1/2 1/2 0 1/2 1 0 1/2 4 
s2 0 2 1 2 1 0 0 0 1 0 4
x5 0 0 0 1/2 1/2 1 1/2 0 0 1/2 2
Entering variable : x2; leaving variable : s1

2018 Optimisasi
8 Hayu Kartika ST., MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 z x1 x2 x3 x4 x5 x6 s1 s2 s3 RHS
z 1 1 0 4 2 0 5 2 0 3 16
x2 0 1 1 1/2 1/2 0 1/2 1 0 1/2 4
s2 0 3 0 3/2 3/2 0 1/2 1 1 1/2 8
x5 0 0 0 1/2 1/2 1 1/2 0 0 1/2 2

Kondisi optimalitas terpenuhi, sehingga solusi optimal = (x1*, x2*, x3*, x4*, x5*, x6*, s3*, s2*, s3*)
= (0, 4, 0, 0, 2, 0, 0, 8, 0), dengan nilai f. obyektif optimal = –16.

Daftar Pustaka
① Hamdy A taha Operations Research 8th Ed, Pearson Education Inc, 2007

② Frederick S hiller, Introduction of Operational Researach 8th Ed, Mc Graw Hill

Companies, 2005

③ Hillier, F.S., Lieberman, G.J., Introduction to Operations Research, 7th Edition, Mc-
Graw-Hill, Singapore, 2001.

④ Ravindran, A., Phillips, D.T., Solberg, J.J., Operation Research – Principles and
Practice, 2nd Edition, John Wiley & Sons, Singapore, 1987.

⑤ Bazaraa, M.S., Jarvis, J.J., Linear Programming and Network Flows, John Wiley &
Sons, New York, 1977.

⑥ Taha, H.A., Operations Research – An Introduction, 4th Edition, Macmillan Publ. Co.,
New York, 1987.

⑦ Gillet, B.E., Introduction to Operations Research – A Computer-Oriented Algorithmic

Approach, McGraw-Hill, New York, 1976.

2018 Optimisasi
9 Hayu Kartika ST., MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id