MATA KULIAH PENELITIAN OPERASIONAL

I MATERI 2

“PENYELESAIAN MODEL PROGRAM LINIER DENGAN

CARA DUAL SIMPLEKS”

KELOMPOK 5:

Muhammad Raffly O.P ( 2213012 )

Defa Ari Maulana ( 2213008 )

Amanda Rizqia ( 2213033 )

Ahmad Huda Septian F ( 2213015 )

PROGRAM STUDI S-1 TEKNIK INDUSTRI

FAKULTAS TEKNOLOGI INDUSTRI

INSTITUT TEKNOLOGI NASIONAL

MALANG 2023
 PETA KONSEP

Penyelesaian Model
Program Linier dengan
Cara Dual Simpleks

Fungsi Tujuan
Fungsi Tujuan Minimum
Maksimum
METODE DUAL SIMPLEKS
Pengertian Metode Dual Simpleks
Meteode dual simpleks disebut juga dual simplex algorithm adalah satu prosedur perhitungan
yang membiarkan suatu solusi layak optimum , meskipun solusi awalnya tidak layak.

Prosedur perhitungan yang dibicarakan sejauh ini bergerak dari solusi dasar layak yang
belum optimum ke solusi layak yang lain. Apakah proses tersebut akhirnya akan mencapai
suatu solusi layak optimum, adalah tergantung pada kemampuan untuk mendapatkan suatu
solusi dasar awal yang layak. Dalam kaitan ini, artificial variabel kadang-kadang digunakan
untuk menemukan solusi awal layak. Jika formulasi LP mengandung sejumlah besar artificial
variable, maka membutuhkan banyak perhitungan untuk memperoleh solusi awal layak.
PENYELESAIAN MODEL PROGRAM LINIER DENGAN CARA DUAL SIMPLEKS

Dalam sebuah pemodelan program linier, terdapat dua konsep yang saling
berlawanan. Konsep pertama disebut primal, dan konsep kedua disebut dual. Bentuk dual
merupakan kebalikan dari bentuk primal. Untuk mentransformasikan masalah primal menjadi
masalah dual, bentuk masalah primal harus dalam bentuk standar.

1. Untuk masalah maksimasi, bentuk standar fungsi kendalanya adalah fungsi kendala
yang bertanda ≤
2. Untuk masalah minimasi, bentuk standar fungsi kendalanya adalah fungsi kendala
yang bertanda ≥
3. Pada bentuk standar primal dual, nilai ruas kanan boleh negatif.

Saat akan mencari penyelesaian dengan metode simpleks, bantuk yang akan dicari
penyelesaiannya harus dalam bentuk standar untuk metode simpleks, yaitu nilai ruas kanan
harus ≥ 0. Tabel berikut menunjukkan transformasi dan perbedaan antara masalah primal dan
dual :

Masalah Primal Masalah Dual

Maksimasi fungsi kendala ≤
Minimasi fungsi kendala ≥
Nilai ruas kanan
Koefisien fungsi tujuan
Matriks koefisien fungsi kendala
Fungsi kendala ke-i berbentuk =
Variabel xi tidak terbatas tanda
Minimasi fungsi kendala ≥
Maksimasi fungsi kendala ≤
Koefisien fungsi tujuan
Ruas nilai kanan
Transpose matriks koefisien fungsi kendala
Batasan jvariabel xi tidak terbatas tanda
Fungsi kendala ke-i berbentuk =

Metode dual simpleks digunakan jika tabel optimal tidak layak. Jika fungsi kendala
ada yang menggunakan pertidaksamaan ≥ dan tidak ada = dalam bentuk umum Persamaan
Linear, maka metode dual simpleks dapat digunakan.
Contoh:

Zmin = 2x1 + x2 x1 + x2 ≤ 30
x2 – x1 ≥ 0

Zmin = 2x1 + x2 + 0S1 + 0S2 + A1 x1 + x2 + S1 = 30

x2 – x1 – S2 + A1 = 0

Ketentuan Metode Dual Simpleks :

 Feasibility Condition : Leaving variabel adalah variabel basis yang memiliki nilai
negatif terbesar (nilai kembar dipilih secara sembarang). Jika variabel basis sudah
positif/nol, berarti sudah fisibel & proses berakhir (sudah optimum).

 Optimality Condition : Entering variabel dipilih dari variabel non-basis berdasarkan

rasio antara koefisien persamaan Z dengan koefisien persamaan yang berhubungan
pada LVkoefisien persamaan yang berhubungan pada LV.
- Minimasi : EV adalah variabel dengan rasio terkecil
- Maksimasi : EV adalah variabel dengan absolut terkecil

FUNGSI TUJUAN MINIMUM

Secara umum program linier bentuk normal metode grafik fungsi tujuan adalah maksimum.
Akan tetapi tidak tertutup kemungkinan fungsi tujuan berbentuk minimum artinya
berhubungan denga biaya . Langkah yang diambil apabila fungsi tujuan berbentuk minimum
bentuk batasan “≥” dimana langkah langkah pengerjaan adalah sama dengan fungsi tujuan
Maksimum hanya berbeda pada penentuan feasible area (area layak) pada grafik tersebut.
Area layak dapat diihat dari pertidaksamaan pada kendala. Apabila kendala berbentuk ≤,
maka daerah arsiran/layak terjadi pada bagian kiri/bawah/kiri bawah, tetapi apabila bentuk
pertidaksamaan ≥, maka pengarsiran dilakukan ke kanan/atas/kanan atas. Apabila bentuk
persamaan (=), maka daerah layak terjadi di sepanjang grafik/garis tersebut
Dari bentuk formulasi model matematis diatas serta dalam maslah yang sering
dihadapi tentang penyediaan sumber daya pada berbagai aktifitas dengan tujuan
mencapai solusi optium dirumuskan:

Berdasarkan pembatas :

dan

(Tugas disini adalah menentukan nilai x1, x2 ,...xn .).bentuk matematis

ini merupakan bentuk standar dari persoalan programa linier,.

Disamping model matematis di atas ada juga dalam bentuk lain yaitu:
a. Fungsi tujuan bukan memaksimumkan, melainkan meminimumkan.
Contoh Minimumkan 𝑧 = 𝑐1𝑥1 + 𝑐2𝑥2 + ⋯ + 𝑐𝑛𝑥𝑛
b. bentuk constrain fungsinya pertidaksamaannya adalah dalam bentuk lebih besar dan sama
dengan. Dirumuskan 𝑎11𝑋1 + 𝑎12𝑋2 + ⋯ + 𝑎1𝑛𝑋𝑛 ≥ 𝑏1 untuk beberapa harga i
c. Beberapa constrain fungsionalnya dalam bentuk sama dengan. Contoh: 𝑎11 + 𝑎12𝑥2 + ⋯ +
𝑎1𝑛𝑥𝑛 = 𝑏1 Untuk beberapa harga i
d. Menghilangkan constrain nonnegatif untuk beberapa variabel keputusan. Contoh: xj tidak
terbatas dalam tanda, untuk beberapa harga j

Menggambarkan fungsi kendala dan tujuan pada sumbu koordinat XYmal Contoh Kasus 1
Pabrik MAYORA adalah akan memproduksi berbagai jenis makanan ringan antara lain
adalah Biskuit dan wafer. Diketahui bahwa biskuit dan wafer mengandung nilai gizi vitamin
dan mineral. Dari data sebelumnya biscuit diproduksi paling sedikit 2 kaleng dan wafer
paling sedikit 1 kaleng seperti dijelaskan dalam tabel ini:
Jenis makanan Kalori Mineral Biaya//kaleng Biskuit 2 2 100 Wafer 1 3 80 Kebutuhan
Minuman 8 12 Tugasnya adalah:
Jenis makanan Kalori Mineral Biaya/kaleng
Biscuit 2 2 100
Wafer 1 3 80
Kebutuhan minuman 8 12
Tabel 3.1. contoh kasus 1 LP metode grafik
Tugasnya adalah:
Tentukan formula yang terbaik dalam memproduksi biscuit dan wafer untuk mendapatkan
biaya produksi serendah rendahnya (minimum)
Langkah 1
a. Tentukan variabel
X1= Biskuit
X2 = Wafer
b. Fungsi tujuan
Zmin = 100 X1 + 80 X2
c. Fungsi kendala
2 X1 + X2 ≥ 8 (kalori)
2 X1 + 3X2 ≥ 12 (Mineral )
X1 ≥ 2 (total produksi minimal = 2 kaleng
X2 ≥ 1 (total produksi minimal = 1 kaleng

Langkah 2

Mencari titik potong dg sumbu X dan sumbu ya sebagai berikut dan

membuat grafik
2X1 + X2 = 8

Jika X1 =
0; X2 =8
Jika X2 =
0; X1 =4
2X1+ X2 = 8
X1 0 4
X2 8 0

Titik koordinatnya adalah (0,8) dan (4,0) 2X1

+ 3X2 =12 X1 = 0, X2 = 4
X2 = 0, X1 = 6
2X1+ 3X2 = 12
X1 0 6
X2 4 0

Titik koordinat adalah (0,4) dan (6.0) Juga dketahui

sebelumnya X1 = 2
X2 = 1

Sehingga bisa dibuat grafik seperti di bawah ini:

Gambar 3.1 Grafik 1 Contoh Kasus 1 LP Metode Grafik

Solusi optimal teletak antara titik A. B dan C ( titik yang

bersentuhan dengan daerah arsiran) arsiran arah keluar karena tanda
batasan lebih dari (≥) Langkah 3:
Menentukan fungsi yang berpotongan dna nilai titik potongnya:

Untuk titik C adalah perpotongan anatara garis 𝑥1 = 2 dan 2𝑥1 + 𝑥2 = 8

sebagai berikut
 X1 = 2

2X1 + X2 = 8
Substitusikan nilai X1 =2 ke
dalam fungsiyang lain yaitu:

2 x 2 + X2 =8

X2 =8-4
X2 =4
X2 = 4

X1 = 2.................(2, 4)

2X1 + =

2X1 + 3X2 = 12 -

-2X2 = -4

X2 =2

Substitusikan nilai 2 ke
2X1 + =

2X1 + =

2X =8-
X1 = 3

Untuk titik B juga harus ditentukan dengan mencari titik potong

antara fungsi yang berpotongan dengan metode eliminasi atau subtitusi
dari 2X1 + X2 = 8 dan
2X1 + 3X2 = 12

Untuk titik A harus ditentukan dengan mencari titik potong

antara pungsi yang berpotongan dengan metode eliminasi atau sibtitusi
dari fungsi X2 = 1 dan

2X1 + 3X2 = 12
 X2 = 1

2X1 + 3X2 = 12

Substitusikan nilai X2 =1 ke
salah satu fungsi yaitu:
2X1 + 3 x 1 =12

2X1 + 3 =12

2X1 = 12 -3

2X1 = 9

X1 = 4.5 ………(4.5, 1)

Sehingga didapatkan masing masng titik

potong: A = (4.5, 1)
B = (3, 2)

C = (2, 4)

masukkan nilai X1 dan X2

ke Z Titik A = 100(4.5)
+ 80(1) = 530
Titik B = 100(3) + 80(2) = 460 Min

Titik C = 100(2) + 80(4) = 520

Langkah 4:

Kesimpulan :

Untuk meminimumkan biaya produksi, maka diproduksi Biskuit (X1 )

= 3 dan Wafer (X2 ) = 2, dengan biaya produksi 460 ribu rupiah

FUNGSI TUJUAN MAKSIMUM

 Variabel masuk adalah variabel non-basis yang masuk ke himpunan variabel dasar pada
iterasi berikutnya.
 Variabel keluar adalah variabel basis yang keluar dari solusi basis pada iterasi berikutnya.
Contoh primal :
Sebuah industri rumah tangga mempunyai persediaan bahan biji kopi sebanyak m jenis yang
berlainan dan masing-masing beratnya bi kg untuk setiap jenis biji kopi ke_i dengan i = 1, 2,
…, m. Industri itu memproduksi n macam kopi-campur yang berlainan untuk dijual kepada
pengecer. Untuk setiap 1 kg kopi-campur macam ke_j memerlukan aij kg jenis biji ke i, dan
dapat dijual dengan harga cj rupiah. Industri itu ingin memaksimalkan pendapatan R dari
pengecer kopi ini.
Persediaan
Jenis Biji 1 2 … m
Kopi
Persediaan b1 b2 … bm
(kg)
Harga (Rp) y1 y2 … ym

Produksi (setiap kg)

Macam kopi- 1 2 … n
campur
Bahan b1 a11 (kg) a12(kg) … a1n(kg)
b2 a21(kg) a22(kg) … a2n(kg)
… … … … …
bm am1(kg) am2(kg) … amn (kg)
Harga per kg c1 c2 … cn
kopi-campur

Misalkan xj adalah berat kopi-campur macam ke_j. Industri itu ingin memaksimumkan
R = c . x =c1x1 + c2x2 + … + cnxn
terhadap kendala-kendala
a11x1 + a12x2 + … + a1nxn ≤ b1
a21x1 + a22x2 + … + a2nxn ≤ b2
………………………………..
am1x1+ am2x2 + … + amnxn ≤ bm,
dengan kata lain, kendala-kendala itu adalah
Ax ≤ b, di mana A = (aij) a
dalah matriks berordo m×n dan x ≥ 0.
memaksimumkan c.x terhadap Ax ≤ b, di mana x ≥ 0 (1)
Masalah dual muncul jika pada industri itu kita memandang harga setiap 1 kg jenis biji kopi
ke_i, yi ≥ 0. Nilai total cadangan biji kopi menjadi
V = b.y = b1y1 + b2y2 + … + bmym (2)
Oleh karena setiap 1 kg kopi campur ke_j yang dibuat industri itu memerlukan aij kg jenis
biji kopi ke_i dengan i = 1, 2, …, n, harga biji kopi dalam setiap kg campuran macam ke_j
adalah
a1jy1 + a2jy2 + .. + amjym (3)
Selanjutnya kita tahu bahwa 1 kg kopi-campur macam ke_j dapat dijual kepada pengecer
dengan harga cj rupiah, sehingga kita harus mempunyai
a1jy1 + a2jy2 + .. + amjym ≥ cj
(4)
untuk j = 1, 2, …, m. Ketaksamaan (4) dapat ditulis dalam bentuk
Aty ≥ c (5)
dengan y = (y1, y2, …, ym).
Industri itu ingin (dari alasan pajak) mencari nilai minimum untuk persediaan bahan biji-biji
kopi. Yakni, industri menginginkan untuk
meminimalkan b.y terhadap Atyt ≥ c dengan y ≥ 0 (6)
 DAFTAR PUSTAKA
http://repository.syekhnurjati.ac.id/5925/1/H.2.3.%20DIKTAT%20PROGRAM
%20LINIER. pdf

https://ayundyahkesumawati.files.wordpress.com/2015/03/perkuliahan_6simplekdual.pdf

https://repository.unikom.ac.id/38858/1/OR%2008%202012.pdf

https://pdfcoffee.com/download/makalah-metode-simpleks-5-pdf-free.html?reader=1

https://slideplayer.info/slide/2604533/

http://staffnew.uny.ac.id