Metode Simplek dalam Linear

Programming (LP)
Bab III

Catatan dari bab sebelumnya

Apabila kita dihadapkan pada suatu
masalah linear programming (lp) dan
ternyata jumlah variable keputusannya
melebihi 2 (dua), maka pendekatan
penyelesaian yang lebih memungkinkan
adalah dengan metode simplek

Basic Solution dan Extreme Points

Contoh:
Max Z = 3X1 + 4X2
X1 + X2 1200
2X1 + 3X2 3000
X1 + 4X2 3600
X1, X2 0

X1 + X2 +S1
2X1 + 3X2 +S2
X1 + 4X2
+S3
X1,X2,S1,S2,S3

= 1200
= 3000
= 3600
0

Grafik?

Extreme points
Extreme
points

Koordinat
X1

X2

S1

S2

S3

1200

3000

3600

900

300

300

240

840

120

600

600

600

1200

600

2400

Jumlah basic solution =

5!
= 10
3! (5-3)!
Atau
= n! / {m!(n-m)!}
Dimana: n = jumlah variable
m = jumlah persamaan

Basic Solution
Basic Solution

Feasible/
Infeasible

X1

X2

S1

S2

S3

1200

3000

3600

Feasible

900

300

300

Feasible

240

840

120

Feasible

600

600

600

Feasible

1200

600

2400

Feasible

1200

-600

-1200

Infeasible

1000

200

-400

Infeasible

3600

-2400

-4200

Infeasible

1500

-300

2100

Infeasible

400

800

-200

Infeasible

Metode Simplex
Proses penyelesaian masalah dengan
menggunakan pendekatan simplex
didasarkan pada ekstreme point dalam
basic feasible solution pada persamaan
linear

Inisial tabel simpleks

Persyaratan:
1. Masing-masing kendala harus diubah
dalam bentuk persamaan
2. Harus ada basic variabel dalam setiap
persamaan
3. Right Hand Side (RHS) pada setiap
persamaan harus non negatif

Contoh model permasalahan

Max Z = 3X1 + 4X2 + 0S1 + 0S2 + 0S3
Kendala:

X1 + X2 + S1
= 1200
2X1 + 3X2 +S2 = 3000
X1 + 4X2
+S3 = 3600
X1, X2, S1, S2, S3 0

Bentuk umum Linear Programming

C1

C2

Cn

a11
a21

am1

a12
a22

am2

a1n
a2n

amn

b1
b2

bm

Pada contoh permasalahan di atas apabila dibuat dalam bentuk umum

LP akan dihasilkan hasil seperti berikut

Cj
X1

X2

S1

S2

S3

1200

3000

3600

Langkah-langkah Penyusunan dan

Penyelesaian Simpleks
1.
2.
3.
4.
5.
6.
7.

Batasan (kendala) dibuat dalam bentuk persamaan

Susun tabel simpleks
Pilih/tentukan pivot colomn. Pilih kolom dengan nilai
terbesar dari Cj - Zj
Pilih/tentukan pivot row. Pilih minimum dari rasio
bi/aij dengan aij > 0.
Ubahlah nilai-nilai yang ada pada baris kunci
Ubahlah nilai-nilai yang ada, selain pada baris kunci
sehingga nilai baris baru = baris lama {(koefisien
pada kolom kunci) x nilai baru baris kunci}
Iterasi dilanjutkan terus sampai terjadi kondisi optimal,
yaitu pada kondisi dimana Cj-Zj 0 untuk semua
variabel kolom.

Tabel inisial simpleks

Cj
Cb

Basis

X1

X2

S1

S2

S3

Solusi

S1

1200

S2

3000

S3

3600

Zj

Cj-Zj

Tabel inisial simpleks

Cj
Cb

Basis

X1

X2

S1

S2

S3

Solusi

Rasio

S1

1200

1200/1=
1200

S2

3000

3000/3=
1000

S3

3600

3600/4=
900

Zj

Cj-Zj

Pivot colomn

Pivot row

Dari tabel sebelumnya diperoleh

1. Baris kunci (baris 3)= 1, 4, 0, 0, 1, 3600
Angka kunci = 4
Di peroleh: (1/4, 4/4, 0/4, 0/4, , 3600/4)
atau (1/4, 1, 0, 0, , 900)

2. Modifikasi baris (1)

(1
1
- 1 x (1/4 1

1
0

0
0

-1/4

300

Dengan cara sama diperoleh:

5/4 0
0
1 -3/4

300

1200)
900)

3. Modifikasi baris (2)

Tabel iterasi simpleks (1a)

3

Basis

X1

X2

S1

S2

S3

Solusi

S1

-1/4

300

S2

5/4

-3/4

300

X2

900

Zj

3600

Cj-Zj

-1

Cj
Cb

Tabel iterasi simpleks (1b)

3

Basis

X1

X2

S1

S2

S3

Solusi

Rasio

S1

-1/4

300

400

S2

5/4

-3/4

300

240

X2

900

3600

Zj

3600

Cj-Zj

-1

Cj
Cb

Iterasi selanjutnya?

Tabel iterasi simpleks (2)

3

X1

X2

S1

S2

S3

Solusi

Rasio

Cj
Cb

Basis

S1

-0.6

0.2

120

600

X1

0.8

-0.6

240

X2

-0.2

0.4

840

2100

Zj

1.6

-0.2

4080

Cj-Zj

-1.6

0.2

Tabel iterasi simpleks (3-optimal)

3

X1

X2

S1

S2

S3

Solusi

Cj
Cb

Basis

S3

-3

600

X1

-1

600

X2

-2

600

Zj

4200

Cj-Zj

-1

-1

Cj Zj 0

Rasio