Matematika
Optimisasi
Abstract Kompetensi
Sekumpulan aktivitas unik yang Memberikan pemahaman tentang sis-
saling terkait yang ditujukan untuk tem Manajemen Proyek, baik yang
mencapai kinerja tertentu dalam terkait dengan konsep proyek, proses
batasan waktu dan resources yang manajemen proyek maupun adminis-
trasi proyek
tersedia disebut dengan 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.
Dimulai dari suatu titik ekstrim yang fisibel (Solusi Basis yang Fisibel = SBF) dengan basisB
(dan B–1 sebagai inversnya), maka :
(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).
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,
cBb
w baris ke : 0
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.
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 yk0, 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.
cBb
w zk – ck baris ke : 0
(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.
Jawab :
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
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
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.
Iterasi 3 :
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.
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
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.
2018 Optimisasi
9 Hayu Kartika ST., MT
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id