MAKALAH PROGRAM LINIER

METODE BIG-M
Dosen Pengampu :

DI SUSUN
O
L
E
H
KELOMPOK.6

NAMA NPM

Ihan Pretiatun 220301007

Naelul Muwazzati 220301023
L.Muh Bulqaini 220301013
Wahyu Al Kahfi 2203010
Mitra Yolin 220301035

PRODI PENDIDIKAN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS HAMZANWADI
SELONG LOMBOK TIMUR
TH.2024
 BAB 2
PEMBAHASAN
1. Pengertian Metode Big-M
UMetode Big-M merupakan metode simpleks dengan tambahan variabel bantuan (R) yang
mempunyai koefisien pada fungsi tujuan (M). Metode ini dapat digunakan untuk menyelesaikan
persoalan program linier dengan pembatasan atau kendala yang mempunyai tanda
pertidaksamaan yang berbeda-beda bahkan berupa persamaan. Berikut aturan dalam
menggunakan Metode big-M:
a. Koefisien variabel buatan (R) pada fungsi tujuan (Z) untuk persoalan maksimum
bertanda negatif (-M) sedangkan persoalan minimum bertanda positif (M)
b. Untuk merubah koefisien fungsi tujuan (Z) pada persoalan maksimun, yakni
𝑍j = 𝐶𝑅𝑦j + 𝐶j ; sedangkan untuk merubah koefisien fungsi tujuan (Z) pada
persoalan minimum, yakni 𝑍j = 𝐶𝑅𝑦j − 𝐶j
Ket: 𝑍j = 𝑓𝑢𝑛𝑔𝑠𝑖 𝑡𝑢j𝑢𝑎𝑛 𝑘𝑜𝑙𝑜𝑚 𝑘𝑒 − j; j = 1, 2, … , 𝑛
𝐶𝑅 = 𝑘𝑜𝑒𝑓𝑖𝑠𝑖𝑒𝑛 𝑣𝑎𝑟𝑖𝑎𝑏𝑒𝑙 𝑏𝑎𝑛𝑡𝑢𝑎𝑛 (𝑅)𝑑𝑖𝑠𝑒𝑠𝑢𝑎𝑖𝑘𝑎𝑛 𝑝𝑒𝑟𝑠𝑜𝑎𝑙𝑎𝑛
𝑦j = 𝑒𝑙𝑒𝑚𝑒𝑛 𝑦𝑎𝑛𝑔 𝑠𝑎𝑡𝑢 𝑘𝑜𝑙𝑜𝑚 𝑘𝑒 − j 𝑑𝑒𝑛𝑔𝑎𝑛 𝑓𝑢𝑛𝑔𝑠𝑖 𝑡𝑢j𝑢𝑎𝑛
𝐶j = 𝑘𝑜𝑒𝑓𝑖𝑠𝑖𝑒𝑛 𝑓𝑢𝑛𝑔𝑠𝑖 𝑡𝑢j𝑢𝑎𝑛 𝑘𝑜𝑙𝑜𝑚 𝑘𝑒 − j
c. Tentukan basis masuk, basis keluar dan elemen vipot sama seperti metode simpleks
d. Operasikan setelah point a-c dilakukan dengan OBE (Operasi Baris Elementer)

Berikut contoh soal dan penyelesaiannya:

Tentukan solusi optimum dari pemrograman linier dengan cari 𝑥1 dan 𝑥2
s.r.s: 𝑍 = 2𝑥1 + 3𝑥2 (minimum)
d.p: 2𝑥1 + 𝑥2 ≤ 16
𝑥1 + 3𝑥2 ≥ 20
𝑥1 + 𝑥2 = 10
𝑥1, 𝑥2 ≥ 0

Langkah 1: Transformasikan persoalan menjadi bentuk standar. Cari

𝑥1, 𝑥2, 𝑠1, 𝑠2, 𝑠3, 𝑅1, 𝑅2, 𝑅3.
S.r.s: 𝑍 = 2𝑥1 + 3𝑥2 + 0𝑠1 + 0𝑠2 + 0𝑠3 + 𝑀𝑅1 + 𝑀𝑅2 + 𝑀𝑅3
2𝑥1 + 3𝑥2 + 0𝑠1 + 0𝑠2 + 0𝑠3 + 𝑀𝑅1 + 𝑀𝑅2 + 𝑀𝑅3 − 𝑍 = 0
D.p: 2𝑥1 + 𝑥2 + 𝑠1 + 𝑅1 = 16
𝑥1 + 3𝑥2 − 𝑠2 + 𝑅2 = 20
𝑥1 + 𝑥2 + 0𝑠3 + 𝑅3 = 10
𝑥1, 𝑥2, 𝑠1, 𝑠2, 𝑠3, 𝑅1, 𝑅2, 𝑅3 ≥ 0

Langkah 2: Bentuk standar dirubah ke bentuk matriks.

𝑥1 2 𝑠1 𝑠2 𝑠3 𝑅1 𝑅2 𝑅3 𝑍 𝐻
𝑠1 2 1 1 0 0 1 0 0 0 16
𝑅2 1 3 0 −1 0 0 1 0 0 20
[ | ]
𝑅3 1 1 0 0 0 0 0 1 0 10
𝑍 2 3 0 0 0 𝑀 𝑀 𝑀 −1 0
Langkah 3: Rubah koefisien fungsi tujuan yang ada dibaris ke- 4 pada langkah 2 Karena
persoalan minimum maka rumus yang digunakan yakni 𝑍j = 𝐶𝑅𝑦j − 𝐶j
2
𝑍1 = 𝐶𝑅𝑦1 − 𝐶1 = (𝑀 𝑀 𝑀) (1) − (2) = 4𝑀 − 2
1
1
𝑍2 = 𝐶𝑅𝑦2 − 𝐶2 = (𝑀 𝑀 𝑀) (3) − (3) = 5𝑀 − 3
1
1
𝑍3 = 𝐶𝑅𝑦3 − 𝐶3 = (𝑀 𝑀 𝑀) (0) − (0) = 𝑀
0
0
𝑍4 = 𝐶𝑅𝑦4 − 𝐶4 = (𝑀 𝑀 𝑀) (−1) − (0) = −𝑀
0
0
𝑍5 = 𝐶𝑅𝑦5 − 𝐶5 = (𝑀 𝑀 𝑀) (0) − (0) = 0
0
1
𝑍6 = 𝐶𝑅𝑦6 − 𝐶6 = (𝑀 𝑀 𝑀) (0) − (𝑀) = 0
0
0
𝑍7 = 𝐶𝑅𝑦7 − 𝐶7 = (𝑀 𝑀 𝑀) (1) − (𝑀) = 0
0
0
𝑍8 = 𝐶𝑅𝑦8 − 𝐶8 = 𝑀 𝑀 𝑀 (0) − (𝑀) = 0
( )
1
0
𝑍9 = 𝐶𝑅𝑦9 − 𝐶9 = (𝑀 𝑀 𝑀) (0) − (−1) = 1
0
20
𝑍10 = 𝐶𝑅𝑦10 − 𝐶10 = (𝑀 𝑀 𝑀) (16) − (0) = 46𝑀
10
Langkah 4: Rubah koefisien fungsi tujuan yang dibaris ke-4 pada matriks pada langkah 2
𝑥1 𝑥2 𝑠1 𝑠2 𝑠3 𝑅1 𝑅2 𝑅3 𝑍 𝐻
𝑠1 2 1 1 0 0 1 0 0 0 16
𝑅2 1 3 0 −1 0 0 1 0 0 20
𝑅3 [ 1 1 0 0 0 0 0 1 0 | 10 ]
𝑍 4𝑀 − 2 5𝑀 − 3 𝑀 −𝑀 0 0 0 0 1 46𝑀

Langkah 5: Tentukan basis masuk, basis keluar, elemen vipot dan operasikan
menggunakan OBE sampai setiap elemen fungsi tujuan bernilai negatif.
𝑥1 𝑥2 𝑠1 𝑠2 𝑠3 𝑅1 𝑅2 𝑅3 𝑍
𝑠
𝑎12 1
2 1 1 0 0 1 0 0 0 16 ℎ1 16
= = 16
1
𝑅2 1 3 0 −1 0 0 1 0 0 20 BK
𝑅 [ 1 1 0 0 0 0 0 1 0 | 10 ] ℎ2 20
= = 6,667 (MIN)
𝑎22
3 4𝑀 − 2 5𝑀 − 3 𝑀 −𝑀 0 0 0 0 1 3
𝑍
𝑎32
46𝑀 ℎ3 10
= = 10
1
BM
Elemen vipot terletak pada 𝑎22 = 3
Menggunakan OBE : 𝑏 ( 1) ; (−1); 𝑏 (−1); 𝑏 (−(5𝑀 − 3))
𝑏
2 3 12 32 42
 𝑎11 5/3
ℎ1 28/3 28
= = = 5,6
𝑥1 𝑥2 𝑠 1 𝑠2 𝑠3 𝑅1 𝑅2 𝑅3 5
𝑍 𝐻
𝑠1 ⎡ 5/3 0 1 1/3 0 1 −1/3 0 0 28/3 ⎤ ℎ2
𝑎21
20/3
𝑥2 1/3
𝑅 1 0 −1/3 0 0 1/3 0 0 20/3 = 1/3
= 20
3
⎢7 2/3 0 0 1/3 0 0 −1/3 1 0| 10/3 BK 10/3
𝑎31
2 5 38 ⎥
ℎ3
= = 5 (MIN)
𝑍 ⎣ 𝑀−1 0 𝑀 𝑀−1 0 0 − 𝑀+1 0 1 3𝑀 + 20⎦
2/3
3 3 3

BM
Elemen vipot terletak pada 𝑎31 = 2/3
Menggunakan OBE: 𝑏 (3 ) ; 𝑏 5 1 7
) ; 𝑏23 (− ) ; 𝑏43(− ( 3 𝑀 − 1)) 1
𝑎13
3 13 ℎ1
= = 1 (MIN)
(− 2 3 3 1

𝑥1 𝑥2 𝑠1 𝑠2 𝑠3 𝑅 𝑅2 𝑅3 𝑍 𝐻
𝑎23
ℎ2 5
𝑠1 0 0 1 −1/2 0 1 1/2 −5/2 0 = 0= ∞
1 BK
𝑥2 0 1 0 −1/2 0 1 1/2 −1/2 0 5
𝑎33
0 −1/2
ℎ3 5
𝑥1 1 0 0 1/2 0 3/2 0| 5
= 0= ∞
𝑍 ⎣0 0 𝑀 1 1 0 1 1
− 𝑀− 0 − 𝑀− 21 3 1 𝑀 + 25⎦
2 2 0 2 2 − 6𝑀 + 2

BM
Elemen vipot terletak pada 𝑎13 = 1
Menggunakan OBE : 𝑏41(−𝑀)
𝑥1 𝑥2 𝑠 1 𝑠 2 𝑠 3 𝑅1 𝑅2 𝑅3 𝑍 𝐻
𝑠1 0 0 1 −1/2 0 1 1/2 −5/2 0
1
𝑥2 0 1 0 −1/2 0 0 1/2 −1/2 0 5
𝑥1 1 0 0 1/2 0 0 −1/2 3/2 0| 5
1 1 3
𝑍 0 0 0 − 0 −𝑀 −𝑀 − −𝑀 + 1 25⎦
⎣ 2 2 2

Langkah 6: simpulkan langkah 5 dari bentuk matrik yang terakhir.

Jadi, solusi optimum dari persoalan pemrograman linier diperoleh 𝑍 = 25 dengan
𝑥1 = 5, 𝑥2 = 5, 𝑠1 = 1, 𝑠2 = 0, 𝑠3 = 0, 𝑅1 = 0, 𝑅2 = 0, 𝑑𝑎𝑛 𝑅3 = 0.
Catatan: jika pembatasan berupa persamaan variabel s (slack/surplus) boleh ditulis atau
tidak ditulis, karena tidak berpengaruh pada proses perhitungannya.

2. Program Linier menggunakan Metode Dua Fase

Metode Dua Fase merupakan metode yang mempunyai fungsi yang sama dengan metode big-M,
yakni menentukan solusi optimum dari persoalan yang memiliki pertidaksamaan berbeda-beda
bahkan persamaan pada pembatasannya. Berikut aturan dari metode Dua Fase:
a. Metode Dua Fase digunakan pada variabel basis awal terdiri dari variabel buatan (A).
b. Proses optimasi dilakukan dua tahap, yakni
- Tahap pertama, merupakan proses optimasi variabel buatan
- Tahap kedua, merupakan proses optimasi variabel keputusan
c. Variabel buatan sebenarnya tidak ada (hanya ada di atas kertas) sehingga tahap
pertama dilakukan untuk memaksa variabel buatan bernilai 0.
Berikut contoh soal dan penyelesaiannya:
Tentukan solusi optimum dari pemrograman linier dengan cari 𝑥1 dan 𝑥2
s.r.s: 𝑍 = 4𝑥1 + 𝑥2 (minimum) d.p:
3𝑥1 + 𝑥2 = 3
 4𝑥1 + 3𝑥2 ≥ 6
𝑥1 + 2𝑥2 ≤ 4
𝑥1, 𝑥2 ≥ 0

Langkah 1: mengubah fungsi tujuan (Z) menjadi variabel buatan (A) dan bentuk standar untuk
pembatasannya.
s.r.s.: 𝑍 = 4𝑥1 + 𝑥2 menjadi 𝐴 = 𝐴1 + 𝐴2

d.p.: 3𝑥1 + 𝑥2 + 𝐴1 = 3
4𝑥1 + 3𝑥2 − 𝑠1 + 𝐴2 = 6
𝑥1 + 2𝑥2 + 𝑠2 = 4
𝑥1, 𝑥2, 𝑠1, 𝑠2, 𝐴1, 𝐴2 ≥ 0

Langkah 2: Substitusikan 𝐴1𝑑𝑎𝑛 𝐴2 pada variabel 𝐴. 3𝑥1

+ 𝑥2 + 𝐴1 = 3 menjadi 𝐴1 = 3 − 3𝑥1 − 𝑥2
4𝑥1 + 3𝑥2 − 𝑠1 + 𝐴2 = 6 menjadi 𝐴2 = 6 − 4𝑥1 − 3𝑥2 + 𝑠1
Sehingga 𝐴 = 𝐴1 + 𝐴2
𝐴 = (3 − 3𝑥1 − 𝑥2) + (6 − 4𝑥1 − 3𝑥2 + 𝑠1)
𝐴 = 9 − 7𝑥1 − 4𝑥2 + 𝑠1

Langkah 3: tentukan fase 1 dengan membentuk matriks jika menggunakan OBE atau tabel jika
menggunakan simpleks.
Fase 1
𝑥1 𝑥2 𝑠1 2 𝐴1 𝐴2 𝐴 𝐻
𝐴1 3 1 0 0 1 0 0 3
𝑎11 = 3 = 1
BK ℎ1 3 (MIN)
𝐴2 4 3 −1 0 0 1 0
𝑠2 [ 1 2 0 1 0 0 6 0| 4
𝑎21 4 2
ℎ2 6 3
𝐴 7 4 −1 0 0 0 1 ]9 = = = 1,5

𝑎31 1
ℎ3 4
= =4
BM
Elemen vipot terletak di 𝑎11 = 3
Menggunakan OBE: 𝑏 (1 ) ; (−4); 𝑏31 (−1); 𝑏41 (−7)
1
𝑏21 3
Fase 1 Iterasi 1

𝑥1 𝑥2 𝑠1 𝑠2 𝐴1 𝐴2 𝐴
𝑎12 = 1/3 =
ℎ1 1
𝑥1 1 1/3 0 0 1/3 𝐻
0 0 1 3
𝐴2 0 5/3 −1 0 −4/3 1 0 BK
[ | ℎ2
=
2 6
= = 1,2 (MIN)
𝑠2 0 5/3 0 1 −1/3 0 0
2 3 𝑎22 5/3 5
𝐴 0 5/3 −1 0 −7/3 0 1 ]2 ℎ3
𝑎32 5/3 5
3 9
= = = 1,8
BM

Elemen vipot terletak di 𝑎3 22 = 5/3 1 5 5

Menggunakan OBE:
𝑏2 ( ) ; 𝑏12 (− ) ; 𝑏32 (− ) ; 𝑏42 (− )
5 3 3 3
 Fase 1 Iterasi 2
𝑥1 2 𝑠1 𝑠2 𝐴1 𝐴2 𝐴 𝐻
𝑥1 1 0 1/5 0 3/5 −1/5 0 3/5
𝑥2 0 1 −3/5 0 −4/5 3/5 0 6/5
𝑠2 [0 0 1 1 1 −1
|
0 1
]
𝐴 0 0 0 0 1 −1 1 0
Karena variabel bantuan (A) sudah bernilai 0 maka lanjut ke langkah selanjutnya.

Langkah 4: tentukan fase 2 dengan mensubtitusi 𝑥1 𝑑𝑎𝑛

3 𝑥12 ke Z.
Dari matriks terakhir di langkah 3 diperoleh :
𝑥1 = − 𝑠 1
5
6 53
𝑥2 = + 𝑠 1
5 5
Sehingga 𝑍 = 4𝑥1 + 𝑥2
3 1 6 3
𝑍 = 4 ( − 𝑠1 ) + ( + 𝑠 )
5 5 5 1 5
12 4 6 3
𝑍= − 𝑠1 + + 𝑠1
5
18 51 5 5
𝑍= − 𝑠1
5 5
Fase 2
𝑥1 𝑥2 𝑠 1 𝑠2 𝑍 𝐻
𝑥1 1 0 1/5 0 3/5
0
𝑥2 0 1 −3/5 0 0 6/5
𝑠2 [0 0 1 1 0| 1 ]
𝑍 0 0 1/5 0 1 18/5

Langkah 5: simpulkan langkah 4 dari bentuk fase 2

Jadi, solusi optimum dari persoalan pemrograman linier yakni 𝑍 = 18/5 dengan
3 6
𝑥1 = 𝑑𝑎𝑛 𝑥2 = .
5 5

3. Program Linear dengan Dual Problem (Dualitas)

Dual Problem merupakan persoalan rangkap yang berasal dari satu soal terdiri dari primal
problem dan dual problem. Dalam menentukan dual problem berlaku kebalikannya dari soal
primal problem yang diberikan. Berikut bentuk umum dari primal problem dan dual problem:
a. Primal Problem (persoalan utama) b. Dual Problem (persoalan rangkap)
Cari : 𝑥1, 𝑥2, … , 𝑥𝑛 Cari : 𝑦1, 𝑦2, … , 𝑦𝑚
S.r.s.: 𝑍 = 𝑐1𝑥1 + 𝑐2𝑥2 + ⋯ + 𝑐𝑛𝑥𝑛 S.r.s.:𝑊 = ℎ1𝑦1 + ℎ2𝑦2 + ⋯ + ℎ𝑚𝑦𝑚
(Maksimum) (Minimum)
D.p.: D.p.:
𝑎11𝑥1 + 𝑎12𝑥2 + ⋯ + 𝑎1𝑛𝑥𝑛 ≤ ℎ1 𝑎11𝑦1 + 𝑎21𝑦2 + ⋯ + 𝑎𝑚1𝑦𝑚 ≥ 𝑐1
𝑎21𝑥1 + 𝑎22𝑥2 + ⋯ + 𝑎2𝑛𝑥𝑛 ≤ ℎ2 𝑎12𝑦1 + 𝑎22𝑦2 + ⋯ + 𝑎𝑚2𝑦𝑚 ≥ 𝑐2
... ...
𝑎𝑚1𝑥1 + 𝑎𝑚2𝑥2 + ⋯ + 𝑎𝑚𝑛𝑥𝑛 ≤ ℎ𝑚 𝑎1𝑛𝑦1 + 𝑎2𝑛𝑦2 + ⋯ + 𝑎𝑚𝑛𝑦𝑚 ≥ 𝑐𝑛
𝑥1, 𝑥2, … , 𝑥j ≥ 0 ; j = 1, 2, … , 𝑛 𝑦1, 𝑦2, … , 𝑦j ≥ 0 ; j = 1, 2, … , 𝑚