METODE SIMPLEKS 2

OBJEKTIF :
1. Mahasiswa Mampu Mengetahui Sejarah Dan Pengertian Dari Metode Simpleks.
2. Mahasiswa Mampu Mendefinisikan Variabel Keputusan Dan Menentukan Fungsi
Tujuan Dan Fungsi Kendala.
3. Mahasiswa Mampu Mengerjaan Persoalan Linear Dengan Mengikuti Langkah –
Langkah Pengerjaan Metode Simpleks.
4. Mahasiswa Mampu Mengerjakan Soal Linear Dengan Menggunakan Metode Big
M Dan Metode Dua Fase.

2.1 SEJARAH, DEFINISI, DAN KOMPONEN METODE SIMPLEKS

A. Sejarah Metode Simpleks
Metode simpleks pertama kali diperkenalkan oleh George B. Dantzig pada
tahun 1947 dan telah diperbaiki oleh beberapa ahli lain. Metode ini menyelesaikan
masalah linear programming melalui perhitungan ulang (iteration) di mana langkah-
langkah perhitungan yang sama diulang berkali-kali sebelum solusi optimum dicapai.
(Mulyono, Sri. 2017. Page 29).

B. Definisi Metode Simpleks

Metode simpleks merupakan bagian dari linear programming yang digunakan
sebagai alat untuk memecahkan permasalahan yang menyangkut dua variabel
keputusan atau lebih. Metode ini menggunakan pendekatan tabel yang dinamakan
tabel simpleks. Proses eksekusi untuk mendapatkan hasil optimum dengan
mengubah-ubah tabel simpleks sampai diperoleh hasil positif di seluruh elemen nilai
di baris C - Z. Kelebihan dari metode ini seperti yang telah disebutkan di atas adalah
mampu menghitung dua atau lebih variabel keputusan apabila dibandingkan dengan
metode grafik yang hanya mampu mengaplikasikan dua variabel keputusan.
Dalam menganalisis apakah sumber-sumber daya telah digunakan secara
penuh (habis terpakai /scarce) atau berlebih (abundant) dapat menggunakan
pendekatan tabel simpleks optimal. Nilai tersebut dapat dilihat pada bagian kolom bj
(atau nilai kunci pada tabel simpleks yang disederhanakan). Sebagai contoh apabila
terdapat tiga kendala dalam suatu kasus tertentu dan dalam tabel simpleks optimal
diketahui nilai S1 = 10 dan S3 = 3, berarti terdapat kapasitas yang berlebih (abundant)
yaitu pada kendala ke-1 sebesar 10 satuan dan kendala ke-3 sebesar 3 satuan.
Sedangkan untuk kendala ke-2 tidak tertera pada tabel simpleks optimal tersebut (S2
= 0) dengan demikian sumber daya tersebut digunakan secara penuh ( scarce).
Dalam metode simpleks dapat juga diketahui besarnya harga bayangan (Price
shadow) dari tabel simpleks optimal. Harga bayangan merupakan besarnya
perubahan nilai tujuan sebagai akibat perubahan dari sumber daya ruas kanan

Integrated Laboratory Universitas Gunadarma-Riset Operasional 1

TOPIK 2. METODE SIMPLEKS

kendala sebesar satu satuan. Harga bayangan dapat dilihat melalui tabel simpleks
optimal pada bagian baris 𝐶𝑗 - 𝑍𝑗 (atau baris Z pada tabel simpleks yang
disederhanakan) kolom S1, S2,…Sm.
Sebagai contoh misalnya pada tabel simpleks optimal terdapat nilai pada
3 1
baris Cj – Zj kolom S1 = 4, S2 = 0, dan S3 = 4 . Dengan demikian besarnya harga
3 1
bayangannya adalah S1 = 4, S2 = 0, dan S3 = 4 , berarti apabila sumber daya ke-1
3
berubah sebesar satu-satuan akan merubah nilai tujuan sebesar 4 . Sedangkan untuk
sumber daya ke-3 berubah sebesar satu-satuan akan merubah nilai tujuan sebesar
1
. Sedangkan untuk sumber daya ke-2 tidak berubah walaupun terdapat perubahan
4
pada sumber daya tersebut. (Wijaya, Andi. 2013. Page:43-44).
Metode simpleks adalah prosedur aljabar. Namun, konsep yang
mendasarinya adalah geometris. Memahami konsep geometris ini memberikan
perasaan intuitif yang kuat tentang bagaimana metode simpleks beroperasi dan apa
yang membuatnya begitu efisien. (Hillier, Frederich S. and Lieberman. 1990. Page
109)
Adapun fungsi tujuan dari metode simpleks adalah untuk menentukan
masalah maksimalisasi dan minimalisasi, dimana:
❖ Maksimalisasi digunakan untuk mencari keuntungan, volume penjualan, dan
kemenangan.
❖ Minimalisasi digunakan untuk mencari biaya, waktu, dan tenaga kerja.

C. Komponen Metode Simpleks

Adapun beberapa komponen yang akan ditemui dalam pengerjaan metode
simpleks, yaitu: (Hartama, Dedy. dkk. 2020. Page 7-8)
1. Iterasi: tahapan perhitungan dimana nilai dalam perhitungan itu tergantung dari
nilai tabel sebelumnya.
2. Variabel Non Basis: variabel yang nilainya diatur menjadi nol pada sembarang
iterasi. Dalam terminologi umum, jumlah variabel non basis selalu sama dengan
derajat dalam sistem persamaan.
3. Variabel Basis: variabel yang nilainya bukan nol pada sembarang iterasi.
4. Solusi atau Nilai Kanan (NK): nilai sumber daya pembatas yang masih tersedia.
Pada solusi awal, nilai kanan atau solusi sama dengan jumlah sumber daya
pembatas awal yang ada, karena aktivitas belum dilaksanakan.
5. Variabel Slack: variabel yang ditambahkan ke model matematika kendala untuk
mengkonversi pertidaksamaan ≤ menjadi (=). Penambahan variabel ini terjadi
pada tahap inisialisasi. Pada solusi awal, variabel slack akan berfungsi sebagai
variabel basis.
6. Variabel Surplus: variabel yang dikurangkan dari model matematika untuk
mengkonversikan pertidaksamaan ≥ menjadi persamaan =.
7. Variabel Buatan: variabel yang ditambahkan ke dalam model matematika
kendala dengan bentuk ≥ atau = untuk difungsikan sebagai variabel basis awal.
8. Kolom Pivot (Kolom Kerja): kolom yang memuat variabel masuk.
9. Baris Pivot (Baris Kerja): salah satu baris dari antara variabel baris yang memuat
variabel keluar.

Integrated Laboratory Universitas Gunadarma-Riset Operasional 2

TOPIK 2. METODE SIMPLEKS

10. Elemen Pivot (Elemen Kerja): elemen yang terletak pada perpotongan kolom
dan baris pivot.
11. Variabel Masuk: variabel yang terpilih untuk menjadi variabel basis pada iterasi
berikutnya.
12. Variabel Keluar: variabel yang keluar dari variabel basis pada iterasi berikutnya
dan digantikan dengan variabel masuk.

D. LANGKAH – LANGKAH PENGERJAAN METODE SIMPLEKS

Terdapat 12 (dua belas) langkah yang dapat dilakukan dalam metode
simpleks yaitu (Wijaya, Andi. 2013. Page 44-45):
1. Mengidentifikasi variabel keputusan dan memformulasikan dalam simbol
matematis.
2. Mengidentifikasikan tujuan yang akan dicapai dan kendala kendala yang terjadi.
3. Memformulasikan tujuan dan kendala ke dalam fungsi matematis.
4. Mengubah pertidaksamaan “≤” pada kendala menjadi “=” dengan
menambahkan variabel slack (S).
5. Memasukkan data fungsi tujuan dan kendala-kendala yang telah diubah tersebut
ke dalam tabel simpleks. Di samping itu juga menentukan nilai 𝐶𝑗 yaitu angka
pada masing-masing kolom yang akan dicari dikalikan dengan koefisien dasar
(kd) dan kemudian mencari nilai 𝐶𝑗 – 𝑍𝑗.
6. Mencari kolom kunci: negatif terbesar pada baris 𝐶𝑗 – 𝑍𝑗.
7. Mencari baris kunci : Positif terkecil pada indeks ( indeks = 𝑏𝑗 pada masing-
masing baris dibagi angka pada kolom kunci di masing-masing baris).
8. Mencari angka kunci: pertemuan antara kolom kunci dan baris kunci.
9. Mengubah variabel keputusan pada baris kunci dengan variabel keputusan pada
kolom kunci dan kemudian mengubah seluruh elemen pada baris kunci dengan
cara membagikan seluruh elemen tersebut pada angka kunci.
10. Mengubah nilai-nilai pada baris lain (di luar baris kunci) dengan menggunakan
pendekatan nilai baris baru = nilai-nilai baris yang lama dikurangi nilai-nilai pada
baris kunci baru yang telah dikalikan dengan koefisien kolom kunci pada baris
awal tersebut.
11. Memastikan seluruh elemen pada baris 𝐶𝑗 - 𝑍𝑗 tidak ada yang bernilai negatif,
apabila masih terdapat nilai negatif maka diulangi langkah ke-6 dan seterusnya.
12. Apabila seluruh elemen pada baris 𝐶𝑗 - 𝑍𝑗 tidak ada yang bernilai negatif maka
proses eksekusi telah selesai, nilai Z optimum dan besarnya variabel keputusan
berada pada kolom tersebut ( 𝑍𝑗 dan 𝑏𝑗).

Integrated Laboratory Universitas Gunadarma-Riset Operasional 3

TOPIK 2. METODE SIMPLEKS

Alur Metode Simpleks

Mulai

Identifikasi tujuan dan kendala

Formulasikan dalam model matematis

Mengubah pertidaksamaan pada kendala

Memasukkan kedalam tabel simpleks

Mencari kolom kunci

Mencari baris kunci

Mencari angka kunci

Tidak
Melakukan perubahan pada baris kunci

Melakukan perubahan pada baris yang

lain

Seluruh elemen Cj
– Zj bernilai positif

Ya
Proses eksekusi selesai nilai Z dan
variabel keputusan ada pada Zj dan Bj

Selesai

Sumber: Wijaya, Andi. 2013. Page 45.

Contoh Soal :
PT. Alpha Tekstil memiliki sebuah pabrik yang memproduksi dua jenis produk, yaitu kain
sutera dan wol. Produk tersebut dihasilkan perusahaan untuk memenuhi permintaan
luar negeri (ekspor). Untuk memproduksi kedua produk tersebut diperlukan bahan baku
benang sutera, benang wol, dan tenaga kerja. Maksimum penyediaan benang sutera
adalah 60kg perhari, benang wol sebanyak 30kg per hari dan tenaga kerja 40 jam

Integrated Laboratory Universitas Gunadarma-Riset Operasional 4

TOPIK 2. METODE SIMPLEKS

perhari. Kebutuhan setiap unit produk akan bahan baku dan jam tenaga kerja dapat
dilihat pada tabel di bawah ini :

Jenis bahan baku Kain Sutera Kain Wol

Benang sutera 2 3
Benang wol - 2
Tenaga kerja 2 1
Sumber : (Wijaya, Andi. 2013. Page 48-53)

Kedua jenis produk tersebut memberikan keuntungan sebesar US $400,- untuk kain
sutera US $300,- untuk kain wol. Berdasarkan kondisi di atas, tentukan besarnya
tingkat produksi kain sutera dan kain wol agar keuntungan maksimum dan berapa
keuntungan maksimum tersebut serta tentukan apakah kapasitas seluruh kendala
digunakan secara penuh (habis terpakai).

Langkah Pengerjaan Manual:

a. Mengidentifikasi variabel keputusan dan formulasikan ke dalam simbol
matematis.
A = Kain sutera
B = Kain wol
b. Mengidentifikasi tujuan yang akan dicapai dan kendala-kendala yang terjadi.
Tujuannya menentukan berapa unit kain sutera dan kain wol yang akan
diproduksi untuk mencapai keuntungan maksimum. Kendala-kendalanya adalah
bahan baku dari benang sutera dan benang wol serta jam tenaga kerja.

c. Memformulasikan tujuan dan kendala ke dalam fungsi model matematis.

Produk
Kendala-Kendala Kapasitas
Kain sutera Kain wol
Benang sutera 2 3 60
Benang wol - 2 30
Tenaga kerja 2 1 40
Keuntungan/unit $400,- $300,-
Tingkat kegiatan A B

Model matematis :
Maksimumkan Z= 400A +300B
Kendala
● 2A+3B≤60
● 2B≤30
● 2A+B≤40
A,B ≥ 0
d. Mengubah pertidaksamaan ≤ pada kendala menjadi persamaan dengan
menambahkan variabel slack (S)
● 2A+3B≤60 → 2A+3B+𝑆1=60
● 2B≤30 → 2B+𝑆2=30

Integrated Laboratory Universitas Gunadarma-Riset Operasional 5

TOPIK 2. METODE SIMPLEKS

● 2A+B≤40 → 2A+B+𝑆3=40
Fungsi tujuan : Z = 400A + 300B + 0𝑺𝟏 + 0𝑺𝟐 + 𝟎𝑺𝟑

e. Memasukkan data fungsi tujuan dan kendala-kendala yang telah diubah

tersebut kedalam tabel simpleks dan mencari kolom kunci: negatif terbesar
pada baris 𝑪𝒋 − 𝒁𝒋 .
Di samping itu juga menentukan nilai ∑ C𝑗, yaitu angka pada masing-masing
kolom dikalikan dengan C𝑗 dan kemudian mencari nilai C𝑗 − Z𝑗
Variabel 𝒁𝒋 𝟒𝟎𝟎 300 0 0 0
𝑪𝒋 Indeks
Dasar 𝒃𝒋 𝑨 B 𝑺𝟏 𝑺𝟐 𝑺𝟑
0 𝑆1 60 2 3 1 0 0 -
0 𝑆2 30 0 2 0 1 0 -
0 𝑆3 40 2 1 0 0 1 -
- 𝐶𝑗 0 0 0 0 0
- 𝐶𝑗 − 𝑍𝑗 0 −400 −300 0 0 0

f. Mencari baris kunci: positif terkecil pada indeks (indeks = b𝒋 pada masing-
masing baris dibagi angka pada kolom kunci di masing-masing baris)
Variabel 𝒁𝒋 𝟒𝟎𝟎 300 0 0 0
𝑪𝒋 Indeks
Dasar 𝒃𝒋 B
𝑨 𝑺𝟏 𝑺𝟐 𝑺𝟑
0 𝑆1 60 2 3 1 0 0 30
0 𝑆2 30 0 2 0 1 0 -
0 𝑆3 40 𝟐 1 0 0 1 20
- 𝐶𝑗 0 0 0 0 0
- 𝐶𝑗 − 𝑍𝑗 0 −400 −300 0 0 0

g. Mencari angka kunci: pertemuan antara kolom kunci dan baris kunci, untuk
kasus ini angka kuncinya adalah angka 2.

h. Mengubah variabel keputusan pada baris kunci dengan variabel keputusan

pada kolom kunci dan kemudian mengubah seluruh elemen pada baris kunci
dengan cara membagi seluruh elemen tersebut dengan angka kunci.

Integrated Laboratory Universitas Gunadarma-Riset Operasional 6

TOPIK 2. METODE SIMPLEKS

Variabel 𝒁𝒋 𝟒𝟎𝟎 300 0 0 0

𝑪𝒋 Indeks
Dasar 𝒃𝒋 𝑨 B 𝑺𝟏 𝑺𝟐 𝑺𝟑
0 𝑆1
0 𝑆2
40 A 20 1 1/2 0 0 1/2
0
- 𝐶𝑗
- 𝐶𝑗 − 𝑍𝑗

i. Mengubah nilai-nilai pada baris lain (di luar baris kunci)

Menggunakan pendekatan nilai baris yang baru= nilai baris yang lama dikurangi
nilai-nilai pada baris kunci baru yang telah dikalikan dengan koefisien kolom
kunci pada baris awal.
Baris S1 yang baru:
60 - (2 X 20) = 20
2 - (2 X 1) = 0
1
3 - (2 X 2 )= 2
1 - (2 X 0 )= 1
0 - (2 X 0 ) = 0
1
0 - (2 X 2 ) = -1

Baris 𝑆2 yang baru: karena koefisien kolom kunci pada 𝑆2 bernilai 0 maka baris
𝑆2 yang baru sama dengan baris 𝑆2 yang lama.

j. Memastikan seluruh elemen pada baris 𝑪𝒋 − 𝒁𝒋 tidak ada yang bernilai negatif.
Karena pada kasus ini masih terdapat nilai negatif (-100) maka proses
selanjutnya mengikuti langkah F ( mencari kolom kunci) dan mengikuti proses
yang ada.

Variabel 𝒁𝒋 𝟒𝟎𝟎 300 0 0 0

𝑪𝒋 Indeks
dasar 𝒃𝒋 𝑨 B 𝑺𝟏 𝑺𝟐 𝑺𝟑
0 𝑆1 20 0 2 1 0 -1
0 𝑆2 30 0 2 0 1 0
40 A 20 1 1/2 0 0 1/2
0
- 𝐶𝑗 8.000 400 200 0 0 200
- 𝐶𝑗 − 𝑍𝑗 8.000 0 −100 0 0 200

Integrated Laboratory Universitas Gunadarma-Riset Operasional 7

TOPIK 2. METODE SIMPLEKS

Keterangan baris 𝐶𝑗 :
(0 X 20) + (0 X 30) + (400 X 20) = 8000
(0 X 0) + (0 X 0) + (400 X 1) = 400
(0 X 2) + (0 X 2) + (400 X 1/2) = 200
(0 X 1) + (0 X 0) + (400 X 0) =0
(0 X 0) + (0 X 1) + (400 X 0) =0
(0 X -1) + (0 X 0) + (400 X 1/2) = 200

Variabel 𝒁𝒋 𝟒𝟎𝟎 300 0 0 0

𝑪𝒋 Indeks
dasar 𝒃𝒋 𝐀 B 𝑺𝟏 𝑺𝟐 𝑺𝟑
0 𝑆1 20 0 2 1 0 -1 10
0 𝑆2 30 0 2 0 1 0 15
400 A 20 1 1/2 0 0 1/2 40
- 𝐶𝑗 8.000 400 200 0 0 200
- 𝐶𝑗 − 𝑍𝑗 8.000 0 −100 0 0 200

Variabel 𝒁𝒋 𝟒𝟎𝟎 300 0 0 0

𝑪𝒋 Indeks
dasar
𝒃𝒋 𝐀 B 𝑺𝟏 𝑺𝟐 𝑺𝟑
300 B 10 0 1 1/2 0 -1/2

0 𝑆2

400 𝑆3

- 𝐶𝑗
- 𝐶𝑗 − 𝑍𝑗

Baris S2 yang baru : Baris A yang baru :

30 – (2 X 10) = 10 20 – (½ X 10) = 15
0 – (2 X 0) = 0 1 – (½ X 0) = 1
2 – (2 X 1) = 0 ½ – (½ X 1) = 0
0 – (2 X ½) = -1 0 – (½ X ½) = - ¼
1 – (2 X 0) = 1 0 – (½ X 0) = 0
0 – (2 X -½) = 1 ½ – (½ X -½) = ¾

Integrated Laboratory Universitas Gunadarma-Riset Operasional 8

TOPIK 2. METODE SIMPLEKS

Variabel 𝒁𝒋 𝟒𝟎𝟎 300 0 0 0

𝑪𝒋 Indeks
dasar 𝒃𝒋 𝐀 B 𝑺𝟏 𝑺𝟐 𝑺𝟑
300 B 10 0 1 1/2 0 -1/2

0 𝑆2 10 0 0 -1 1 1

400 A 15 1 0 -1/4 0 3/4

- 𝐶𝑗 9.000 400 300 50 0 150
- 𝐶𝑗 − 𝑍𝑗 9.000 0 0 50 0 150

k. Apabila seluruh elemen pada baris 𝑪𝒋 − 𝒁𝒋 tidak ada yang bernilai negatif maka
proses eksekusi telah selesai.
Berdasarkan tabel simpleks terakhir, tidak ditemukan nilai negatif pada 𝐶𝑗 − 𝑍𝑗
dengan demikian tabel simpleks tersebut telah optimal.

Kesimpulan :
Tingkat produksi kain sutera sebanyak 15 unit dan kain wol sebanyak 10 unit.
Besarnya keuntungan maksimum perusahaan adalah $9,000. Sumber daya
benang sutera dan tenaga kerja telah digunakan secara penuh (habis
terpakai/scarce), sedangkan kapasitas benang wol (S2) berlebihan/abundant
(masih tersisa 10kg).

Langkah – langkah pengerjaan dengan software (QM For Windows)

1. Aktifkan program QM For Windows
2. Klik menu Module
3. Pilih linear programing

4. Klik menu File, pilih New

Integrated Laboratory Universitas Gunadarma-Riset Operasional 9

TOPIK 2. METODE SIMPLEKS

5. Isi kolom Title dengan Soal PT. Alpha Tekstil

6. Isi kolom Number of Constraint dengan angka 3
7. Isi kolom Number of Variables dengan angka 2
8. Pada menu Objective pilih Maximize
9. Klik Ok

10. Isi kolom sesuai dengan soal.

Integrated Laboratory Universitas Gunadarma-Riset Operasional 10

TOPIK 2. METODE SIMPLEKS

11. Setelah data di input seperti pada tampilan, klik solve untuk mendapat
hasil perhitungan

Interpretasi Data :
Tingkat produksi kain sutera sebanyak 15 unit dan kain wol sebanyak 10 unit.
Besarnya keuntungan maksimum perusahaan adalah $9,000. Sumber daya benang
sutera dan tenaga kerja telah digunakan secara penuh (habis terpakai/scarce),
sedangkan kapasitas benang wol (S2) berlebihan/abundant (masih tersisa 10kg).

2.2 SOLUSI AWAL BUATAN DENGAN METODE BIG M

Metode-M dimulai dengan LP dalam bentuk persamaan. Jika persamaan i
tidak memiliki slack (atau variabel yang dapat memainkan peran slack), variabel
buatan, Ri, ditambahkan untuk membentuk solusi awal yang mirip dengan solusi

Integrated Laboratory Universitas Gunadarma-Riset Operasional 11

TOPIK 2. METODE SIMPLEKS

dasar semua slack. Namun, variabel buatan bukan bagian dari masalah asli, dan
"trik" pemodelan diperlukan untuk memaksanya menjadi nol pada saat iterasi
optimal tercapai (dengan asumsi masalah memiliki solusi yang layak).(Taha, Hamdy
A. 2007.Page 104)
Sering kita menemukan bahwa fungsi kendala tidak hanya dibentuk oleh
pertidaksamaan ≤ tapi juga oleh pertidaksamaan ≥ dan/atau persamaan (=). Fungsi
kendala dengan pertidaksamaan ≥ mempunyai surplus variable, tidak ada slack
variables. Surplus variable tidak bisa menjadi variabel basis awal. Dengan demikian
harus ditambahkan satu variabel baru yang dapat berfungsi sebagai variabel basis
awal. Variabel yang dapat berfungsi sebagai variabel basis awal hanya slack variables
dan artificial variables (variabel buatan). (Siringoringo, Hotniar. 2005)
1. Jika semua fungsi kendala menggunakan pertidaksamaan ≤ maka variabel
basis awal semuanya adalah slack variables. Penyelesaian solusi optimal
untuk kasus seperti ini dilakukan dengan cara metode simpleks yang sudah
diperkenalkan sebelumnya.
2. Jika fungsi kendala menggunakan pertidaksamaan ≥ dan / atau ≤ maka
variabel basis awal adalah Slack variables dan / atau variabel buatan.
Penyelesaian solusi optimal untuk kasus seperti ini dilakukan dengan
memilih antara metode Big M, Dua Fase atau Dual Simpleks.
3. Jika fungsi kendala ada yang menggunakan persamaan maka variabel buatan
akan ditemukan pada variabel basis awal. Penyelesaian solusi optimal untuk
kasus seperti ini hanya dapat dilakukan dengan memilih antara metode Big M
atau Dua Fase.
Perbedaan metode Big M dengan primal simpleks biasa, terletak pada
pembentukan tabel awal. Jika fungsi kendala menggunakan bentuk
pertidaksamaan ≥, perubahan dari bentuk umum ke bentuk baku memerlukan
satu variabel surplus. Variabel surplus tidak dapat berfungsi sebagai variabel basis
awal, karena koefisiennya bertanda negatif. Sebagai variabel basis pada solusi
awal, harus ditambahkan satu variabel buatan. Variabel buatan pada solusi
optimal harus bernilai 0, karena variabel ini memang tidak ada. (Siringoringo,
Hotniar. 2005)
Teknik yang digunakan untuk memaksa variabel buatan bernilai 0 pada
solusi optimal adalah dengan cara berikut:
● Penambahan variabel buatan pada fungsi kendala yang tidak memiliki
variabel slack, menuntut penambahan variabel buatan pada fungsi tujuan.
● Jika fungsi tujuan adalah maksimisasi, maka variabel buatan pada fungsi
tujuan mempunyai koefisien +M; jika fungsi tujuan adalah minimisasi,
maka variabel buatan pada fungsi tujuan mempunyai koefisien -M.
● Karena koefisien variabel basis pada tabel simpleks harus bernilai 0, maka
variabel buatan pada fungsi tujuan harus digantikan nilai dari fungsi
kendala yang memuat variabel buatan tersebut.

Perhatikan contoh soal di bawah ini:

Sumber: Taha, Hamdy A. 2007. Page 104-106.

Integrated Laboratory Universitas Gunadarma-Riset Operasional 12

TOPIK 2. METODE SIMPLEKS

Min Z = 4x1 + x2
Dengan kendala:
3x1 + x2 = 3
4x1 + 3x2 ≥ 6
x1 + 2x2 ≤ 4
x1, x2 ≥ 0
Jawab:
- Tambahkan X3 (variabel surplus) pada persamaan ke 2, dan X4 (variabel
slack) pada persamaan ke 3, lalu tambahkan Artificial variable R1 dan R2 dari
dua persamaan pertama dan pindahkan mereka ke fungsi objective sebagai
MR1 + MR2 (Karena minimasi). Sehingga bentuk baku persamaan menjadi:
Min Z = 4x1 + x2 + MR1 + MR2
Dengan kendala:
3x1 + x2 + R1 =3
4x1 + 3x2 – X3 + R2 = 6
x1+ 2x2 + X4. =4
X1,X2,X3,X4,R1,R2 ≥ 0

Keterangan:
X3: variabel surplus,
X4: variabel slack
R1 dan R2 adalah variabel artifisial.
M adalah penalti untuk R1 dan R2 pada fungsi objektif.
- Untuk memudahkan proses komputasi pada komputer, M umumnya
disubstitusi dengan bilangan yang sangat besar. Namun pada prakteknya, M
tidak perlu sangat besar; namun cukup besar jika dibandingkan dengan
koefisien variabel keputusan pada fungsi objektif. Sebagai contoh, koefisien
untuk x1 dan x2 pada fungsi objektif adalah 4 dan 1. Oleh karena itu, cukup
wajar jika M bernilai 100 (relatif besar terhadap 4 dan 1).

Tabel iterasi ke- 0 (Tabel Simpleks awal)

Variabel
X1 X2 X3 R1 R2 X4 Solusi
Dasar
Z -4 -1 0 -100 -100 0 0
R1 3 1 0 1 0 0 3
R2 4 3 -1 0 1 0 6
X4 1 2 0 0 0 1 4
Perhatikan bahwa x1 = 0, x2 = 0, R1 = 3, R2 = 6, sehingga Z = 4(0) + (0) + 100(3)
+ 100(6)= 900. Padahal, dari tabel diperoleh Z = 0 (terdapat inkonsistensi).
Untuk mengatasinya, koefisien R1 dan R2 pada baris 0 (baris Z) harus dijadikan
0, dengan cara: (0)baru = (0)lama + (100 × (1) + 100 × (2))

Integrated Laboratory Universitas Gunadarma-Riset Operasional 13

TOPIK 2. METODE SIMPLEKS

Tabel iterasi ke-0 (Tabel simpleks awal termodifikasi)

Variabel
X1 X2 X3 R1 R2 X4 Solusi
Dasar
Z 696 399 -100 0 0 0 900
R1 3 1 0 1 0 0 3
R2 4 3 -1 0 1 0 6
X4 1 2 0 0 0 1 4

(a) Problem minimisasi: kolom pivot adalah kolom dengan koefisien paling
positif pada baris, (b) Hitung rasio, dan (c) Tentukan baris pivot, sehingga:
Variabel X1
X2 X3 R1 R2 X4 Solusi Rasio
Dasar
Z 696 399 -100 0 0 0 900
R1 3 1 0 1 0 0 3 1
R2 4 3 -1 0 1 0 6 1,5
X4 1 2 0 0 0 1 4 4
Keterangan:
Elemen pivot = 3
Variabel Masuk: x1
Variabel Keluar : R1
Table iterasi ke-1
Variabel
X1 X2 X3 R1 R2 X4 Solusi
Dasar
Z 0 167 -100 -232 0 0 204
X1 1 1/3 0 1/3 0 0 1
R2 0 5/3 -1 -4/3 1 0 2
X4 0 5/3 0 -1/3 0 1 3

x1 =1, x2 =0, Z=204 (Belum optimal)

Tabel di atas memperlihatkan bahwa X2 adalah Variabel Masuk dan R2 adalah
Variabel Keluar. Silahkan lanjutkan dengan metode simpleks, dibutuhkan
sekitar 2 iterasi lagi untuk mendapatkan hasil yang optimal.
Jawaban: x1 = 2/5, x2 = 9/5, dan Z = 17/5

Langkah – langkah pengerjaan dengan software ( QM For Windows)

1. Aktifkan program QM For Windows
2. Klik menu Module
3. Pilih linear programing

Integrated Laboratory Universitas Gunadarma-Riset Operasional 14

TOPIK 2. METODE SIMPLEKS

4. Klik menu File, pilih New

5. Isi kolom Title dengan contoh soal

6. Isi kolom Number of Constraint dengan angka 3
7. Isi kolom Number of Variables dengan angka 2
8. Pada menu Objective pilih Minimize
9. Klik Ok

Integrated Laboratory Universitas Gunadarma-Riset Operasional 15

TOPIK 2. METODE SIMPLEKS

10. Isi kolom sesuai dengan soal.

11.Setelah data di input seperti pada tampilan, klik solve untuk mendapat hasil
perhitungan

Integrated Laboratory Universitas Gunadarma-Riset Operasional 16

TOPIK 2. METODE SIMPLEKS

Interpretasi Data :
Jawaban/ output akhir dapat dilihat dari solution yaitu X1 = 0,4, X2 = 1,8 dan Z = 3,4.

2.3 SOLUSI OPTIMAL METODE DUA FASE

Dalam metode-M, penggunaan penalti M, yang menurut definisi harus relatif
besar dalam koefisien objektif model yang sebenarnya, dapat mengakibatkan
kesalahan roundoff yang dapat mengganggu keakuratan perhitungan sederhana.
Metode dua fase mengurangi kesulitan ini dengan menghilangkan constant M sama
sekali. Seperti namanya, metode ini memecahkan LP dalam dua fase: Fase 1
mencoba menemukan solusi layak dasar awal, dan jika ditemukan, fase 2 digunakan
untuk memecahkan masalah asli. (Taha, Hamdy A. 2007. Page 108)
Metode dua fase digunakan jika variabel basis awal terdiri dari variabel
buatan. Disebut sebagai metode dua fase, karena proses optimasi dilakukan dalam
dua tahap. Tahap pertama merupakan proses optimasi variabel buatan, sedangkan
proses optimasi variabel keputusan dilakukan pada tahap kedua. Karena variabel
buatan sebenarnya tidak ada (hanya ada di atas kertas), maka tahap pertama
dilakukan untuk memaksa variabel buatan bernilai 0. (Siringoringo, Hotniar. 2005)

Perhatikan contoh soal berikut:

Sumber: Taha, Hamdy A. 2007. Page 109-110.

Min Z = 4x1 + x2
Dengan kendala:
3X1 + X2 = 3
4X1 + 3X2 ≥ 6
X1 + 2X2 ≤ 4
X 1, X 2 ≥ 0

Integrated Laboratory Universitas Gunadarma-Riset Operasional 17

TOPIK 2. METODE SIMPLEKS

Penyelesaian :
- Fase 1 (Ubah fungsi objektif menjadi meminimumkan sumasi dari variabel
artifisial, dan ubah kendala menjadi bentuk baku (sebagaimana pada metode
Big M):
Tambahkan X3 (variabel surplus) pada persamaan ke 2, dan X4 (variabel slack)
pada persamaan ke 3, lalu tambahkan Artificial variable R1 dan R2 dari dua
persamaan pertama dan pindahkan mereka ke fungsi objective sebagai MR1 +
MR2 (Karena minimasi). Sehingga bentuk baku persamaan menjadi:
Min r = R1 + R2
Dengan kendala:
3X1 + X2 + R1 =3
4X1 + 3X2 – X3 + R2 = 6
X1+ 2X2 + X4 = 4
X1,X2,S1,S2,R1,R2 ≥ 0
Keterangan:
X3: variabel surplus X4: variabel slack
R1 dan R2 adalah variabel artifisial dan M adalah penalti untuk R1 dan R2 pada
fungsi objektif.
Tabel iterasi ke- 0 (Tabel Simpleks awal)
Variabel
X1 X2 X3 R1 R2 X4 Solusi
Dasar
r 0 0 0 -1 -1 0 0
R1 3 1 0 1 0 0 3
R2 4 3 -1 0 1 0 6
X4 1 2 0 0 0 1 4
Seperti pada metode M, R1 dan R2 disubstitusikan pada baris-r dengan
menggunakan perhitungan:
(0)baru =(0)lama +(1×(Baris R1)+1×(Baris R2))
Baris r baru digunakan untuk menyelesaikan fase 1 dari masalah, yang
menghasilkan table optimum berikut:

Tabel iterasi ke- 0 (Tabel Simpleks awal Termodifikasi)

Variabel
X1 X2 X3 R1 R2 X4 Solusi
Dasar
r 0 0 0 -1 -1 0 0
X1 1 0 1/5 3/5 -1/5 0 3/5
X2 0 1 -3/5 -4/5 3/5 0 6/5
X4 0 0 1 1 -1 1 1

Solusi optimal fase 1:

X1 = 3/5, X2 = 6/5, X4 =1, r =0
Dalam hal ini diperoleh solusi optimal r = 0, sehingga proses berlanjut ke tahap
2.
- Fase 2 (mencari solusi optimal dari model semula)

Integrated Laboratory Universitas Gunadarma-Riset Operasional 18

TOPIK 2. METODE SIMPLEKS

Setelah menghapus variabel artificial, maka masalah menjadi seperti berikut:

Min Z = 4x1 + x2
Kendala:
X1 + 1/5 X3 = 3/5
X2 – 3/5 X3 = 6/5
X3 + X4 = 1
X1, X2, X3, X4 ≥ 0

Pada dasarnya, fase 1 adalah prosedur yang mengubah persamaan kendala asli
dengan cara yang memberikan solusi layak dasar awal untuk masalah, jika ada.
tabel yang terkait masalah fase 2 yaitu:

Tabel iterasi ke- 0 (Tabel Simpleks awal)

Variabel
X1 X2 X3 X4 Solusi
Dasar
Z 4 -1 0 0 0
X1 1 0 1/5 0 3/5
X2 0 1 -3/5 0 6/5
X4 0 0 1 1 1

lagi, karena variabel dasar X1 dan X2 memiliki koefisien bukan nol di baris-z,
mereka harus disubstitusikan, menggunakan perhitungan berikut:
(0)baru =(0)lama +(4×(baris X1)+1×(Baris X2))

Sehingga tabel menjadi:

Variabel
X1 X2 X3 X4 Solusi
Dasar
Z 0 0 1/5 0 18/5
X1 1 0 1/5 0 3/5
X2 0 1 -3/5 0 6/5
X4 0 0 1 1 1
Solusi optimum akan di dapat pada iterasi selanjutnya yaitu iterasi ke-1.

Langkah – langkah pengerjaan dengan software ( QM For Windows)

1. Aktifkan program QM For Windows
2. Klik menu Module
3. Pilih linear programing

Integrated Laboratory Universitas Gunadarma-Riset Operasional 19

TOPIK 2. METODE SIMPLEKS

4. Klik menu File, pilih New

5. Isi kolom Title dengan contoh soal

6. Isi kolom Number of Constraint dengan angka 3
7. Isi kolom Number of Variables dengan angka 2
8. Pada menu Objective pilih Minimize
9. Klik Ok

Integrated Laboratory Universitas Gunadarma-Riset Operasional 20

TOPIK 2. METODE SIMPLEKS

10. Isi kolom sesuai dengan soal.

11.Setelah data di input seperti pada tampilan, klik solve untuk mendapat hasil
perhitungan

Integrated Laboratory Universitas Gunadarma-Riset Operasional 21

TOPIK 2. METODE SIMPLEKS

12. Klik Itterations untuk melihat hasil menggunakan metode dua fase

Integrated Laboratory Universitas Gunadarma-Riset Operasional 22

TOPIK 2. METODE SIMPLEKS

Interpretasi Data :
Jawaban/ output akhir dapat dilihat dari iterasi terakhir (iterasi 5) yaitu X1 = 0,4, X2
= 1,8 dan r = 3,4.

Integrated Laboratory Universitas Gunadarma-Riset Operasional 23

TOPIK 2. METODE SIMPLEKS

Daftar Pustaka :
[1] Hamdy A. Taha. 2011. Operation Research. An Introduction, MacMillan, 22.
[2] Hartama, Dedy dkk. 2020. Riset Operasi: Optimalisasi Produksi Menggunakan
Metode Simpleks & Metode Grafik. Yayasan kita Menulis. Medan.
[3] Hillier, Frederich S. and Lieberman. 1990. Introduction to Operation Research,
McGraw-Hill
[4] Mulyono, Sri. 2017. Riset Operasi. Mitra Wacana Media. Jakarta.
[5] Siringoringo, Hotniar. 2005. Riset Operasional Seri Pemrograman Linear. Yogyakarta:
Graha Ilmu.
[6] Syaifuddin, Dedy Takdir. 2011. Riset Operasi (Aplikasi Quantitative Analysis for
Management). CV Citra Malang. Malang.
[7] Wijaya, Andi. 2013. Pengantar Riset Operasi Edisi 3. Penerbit Mitra Wacana Media.
Jakarta.

Integrated Laboratory Universitas Gunadarma-Riset Operasional 24