METEODE SIMPLEKS

ISTILAH
1. Unrestricted : tidak terbatas
2. Entering variabel : variabel yang berasal dari non-basic variable yang akan
menggantikan variabel pada proses iterasi
3. Leaving variabel : variabel basis yang memiliki rasio terkecil atau variabel
basis yang memiliki harga negatif angka terbesar.
4. Optimality condition : menjamin bahwa solusi tetap optimum
5. Fieasibility condition : memaksa agar solusi mencapai keadaan layak
6. Entering column : Kolom pada entering variable
7. Pivot equation : baris yang berhubungan dengan leaving variabel
8. Pivot element : elemen pada perpotongan entering column dan pivot
equation.
1. PENGANTAR
Penyelesaian masalah LP yang melibatkan lebih dari dua variabel menjadi tidak
praktis atau tidak mungkin jika diselesaikan dengan metode grafik. Metode yang
sering digunakan adalah Algoritma Simplex untuk menyelesaikan LP dengan lebih
dari dua variabel.

Metode simpleks pertama kali diperkenalkan oleh George B Dantzig pada tahun
1947 dan telah diperbaiki beberapa ahli lain. Metode ini menyelesaikan masalah
LP melalui perhitungan ulang (iteration) di mana langkah-langkah perhitungan
yang sama diulang berkali-kali sebelum solusi optimum dicapai.

2. BENTUK BAKU MODEL LP

Dalam menggunakan metode simpleks untuk menyelesaikan masalah-masalah LP,
model LP harus diubah ke dalam suatu bentuk umum yang dinamakan “bentuk
baku”. Ciri-ciri bentuk baku model LP adalah :
2. Semua kendala berupa persamaan dengan sisi kanan non negatif
3. Semua variabel non negatif
4. Fungsi tujuan dapat maksimum maupun minimum.
Untuk melakukan transformasi ke bentuk baku, ikuti langkah-langkah berikut.
a. Kendala
1) Suatu kendala jenis ≤ atau ≥ dapat diubah menjadi persamaan dengan menambahkan
suatu variabel slack ke (mengurangkan suatu variabel surplus dari) sisi kiri kendala.
Contoh.
a) Pada kendala X1 + X2 ≤ 15, ditambahkan suatu slack S1 ≥ 0 pada sisi kiri untuk
mendapatkan persamaan X1 + X2 + S1 = 15. Jika kendala menunjukkan
keterbatasan penggunaan suatu sumber daya, S1 akan menunjukkan slack atau
jumlah sumber daya yang tidak digunakan.
b) Pada kendala 3X1 + 2X2 – 3X3 ≥ 5 dikurangkan suatu variabel surplus S2 ≥ 0 pada
sisi kiri untuk memperoleh persamaan 3X1 + 2X2 – 3X3 – S2 = 5.
2) Sisi kanan suatu persamaan dapat selalu dibuat non negatif dengan cara mengalikan
kedua sisi dengan -1.
Contoh.
-5X1 + X2 = -25 adalah ekuivalen secara matematik dengan 5X1 – X2 = 25
3) Arah pertidaksamaan dibalik jika kedua sisi dikalikan -1
Contoh.
-5X1 + X2 ≤ -25 dapat diganti dengan 5X1 – X2 ≥ 25
b. Variabel
Sebagian atau semua variabel dikatakan unrestricted jika mereka dapat memiliki
nilai negatif maupun positif. Variabel unrestricted dapat diekspresikan dalam dua
variabel non negatif dengan menggunakan substitusi X1 = X’j – X’’ dimana Xj =
variabel unrestricted dan X’j; X ≥ 0.
c. Fungsi Tujuan
Meskipun model LP dapat berjenis maksimasi atau minimasi, terkadang bermanfaat
untuk mengubah salah satu bentuk ke bentuk lain. Maksimasi dari suatu fungsi
adalah ekuivalen dengan minimasi dari negatif fungsi yang sama, dan sebaliknya.
Contoh.
Maks Z = 50X1 + 80X2 + 60 X3
Ekuivalen secara matematik dengan
Min (-Z) = -50X1 - 80X2 - 60 X3
Ekuivalen berarti bahwa untuk seperangkat kendala yang sama, nilai optimum X1,
X2, X3 adalah sama. Perbedaannya hanya pada nilai fungsi tujuan, meski besar
angka sama, tetapi tandanya berlawanan.
Contoh.
Ubahlah model LP berikut ke dalam bentuk baku
Maksimumkan Z = 9X1 + 18 X2
Dengan syarat : 6X1 + 3X2 ≤ 18
2X1 + 2X2 ≤ 16
X1 unrestricted
X2 ≤ 0
Bentuk bakunya adalah :
Maksimumkan Z = 9X1 – 9X + 18X2 + OS1 + OS2
Dengan syarat 6X1 – 6X + 3X2 + S1 = 18
2X1’ – X’’ + 2X2 + S2 = 16
X1’, X’’, X2’, S1, S2 ≥ 0

3. METODE DAN TABEL SIMPLEKS

Dalam penyelesaian masalah LP dengan grafik, telah dinyatakan bahwa solusi
optimum selalu terletak pada titik pojok ruang solusi. Metode simpleks didasarkan
pada gagasan ini, dengan langkah-langkah sebagai berikut.
a. Dimulai pada suatu titik pojok yang layak, biasanya titik asal (yang disebut
sebagai solusi awal)
b. Bergerak dari satu titik pojok layak ke titik pojok lain yang berdekatan.
Peregerakan ini akan menghasilkan nilai fungsi tujuan yang lebih baik (meningkat
untuk masalah maksimasi dan menurun untuk masalah minimasi Jika solusi yang
lebih baik telah diperoleh, prosedur simpleks dengan sendirinya akan
menghilangkan semua solusi-solusi lain yang kurang baik.
c. Proses ini diulang-ulang sampai suatu solusi yang lebih baik tak ditemukan.
Proses simpleks kemudian berhenti dan solusi optimum diperoleh.
Mengubah bentuk baku model LP ke dalam bentuk tabel akan memudahkan proses
perhitungan simpleks. Langkah-langkah perhitungan dalam algoritma simpleks
adalah:
a. Berdasarkan bentuk baku, tentukan solusi awal (intial basis feasible solution)
dengan menetapkan n-m variabel non basis sama dengan nol. Dimana jumlah
variabel n dan m adalah banyaknya kendala.
b. Pilih semua entering variable diantara yang sedang menjadi variabel non basis,
yang jika dinaikkan di atas nol, dapat memperbaiki nilai fungsi tujuan. Jika tidak
ada, berarti solusi sudah optimal. Jika tidak menuju langkah ke c.
c. Perubahan sebuah leaving variabel diantara yang sedang menjadi variabel basis
yang harus menjadi non basis (nilainya menjadi nol) ketika entering variabel
menjadi variabel basis.
d. Tentukan solusi yang baru dengan membuat entering variabel dan leaving
variabel menjadi non basis. Kembali ke langkah b.

Contoh.
Maksimumkan Z = 3X1 + 2X2 Bentuk baku model LP tersebut adalah.
Dengan syarat : X1 + X2 ≤ 15 Z – 3X1 – 2X2 – OS1 – OS2 – OS3 = 0 Pers. tujuan
2X2 + X2 ≤ 28 X1 + X2 + S1 = 15
X1 + 2X2 ≤ 20 X1 + 2X2 + S2 = 28 Persamaan kendala
X1, X2 ≥ 0. X1 + 2X2 + S3 = 20
Lihat kembali langkah a, solusi awal ditentukan dari persamaan kendala dengan
menetapkan dua (-2 dan -3). Variabel sama dengan nol, yang akan memberikan solusi
yang unik dan layak. Dengan menetapkan X1 = 0 dan X2 = 0, diperoleh S1 = 15; S2 =
28 dan S3 = 20. Titik-titik ini merupakan solusi awal. Pada saat ini nilai Z = 0. Kita
dapat merangkum bentuk tabel simpleks awal seperti Tabel berikut.
Tabel 1. Simpleks

Basis X1 X2 S1 S2 S3 Solusi Persamaan

Z -3 -2 0 0 0 0 Pers. Z
S1 1 1 1 0 0 15 Pers. S1
S2 2 1 0 1 0 28 Pers. S2
S3 1 2 0 0 1 20 Pers. S3

Kolom basis menunjukkan variabel yang sedang menjadi basis, yaitu S1, S2 dan S3,
yang nilainya diberikan pada kolom solusi. Ini secara tidak langsung mengatakan
bahwa variabel non basis X1 dan X2 (yang tdk ditunjukkan pada kolom basis) sama
dengan nol. Nilai fungsi tujuan adalah Z = (3 x 0) + (2 x 0) = (0 x 15) + (0 x 28) + (0 x
20) = 0, seperti terlihat pada Kolom solusi.
Kapan solusi telah optimum? Dengan memeriksa persamaan Z, terlihat bahwa variabel
non basis yaitu X1 dan X2 keduanya memiliki koefisien negatif, yang berarti
mempunyai koefisien positif pada fungsi yujuan yang asli.
 Karena tujuan kita adalah memaksimasi, maka nilai Z dapat diperbaiki dengan
meningkatkan X1 dan X2 menjadi lebih besar dari pada nol. Yang dipilih adalah
adalah variabel dengan koefisien fungsi tujuan positif terbesar karena pengalaman
menunjukkan bahwa pemilihan ini mengakibatkan solusi optimal lebih cepat dicapai.
Ringkasnya, optimality condition metode simpleks menyatakan bahwa dalam
kasus maksimasi, jika semua variabel non basis memiliki koefisien non negatif dalam
persamaan Z, maka solusi telah optimum. Jika tidak, variabel non basis dengan
koefisien negatif terbesar sebagai entering variabel.
Penerapn optimality condition pada tabel simpleks awal, menyarankan memilih
X1 sebagai entering variabel. Kemudian leaving variabel harus salah satu dari
variabel basis S1, S2 dan S3. penentuan leaving variabel dilakukan dengan feasibility
condition yang mentakan bahwa untuk masalah maksimasi maupun minimalisasi,
leaving variabel adalah variabel basis yang memiliki rasio terkecil antara sisi kanan
persamaan kendala dengan koefisien bersangkutan yang positif pada entering
variabel.
Rasio yang didefinisikan di atas dan leaving variabel dapat ditentukan langsung
dari tabel kompleks. Pertama, coret semua elemen nol atau negatif pada persamaan
kendala di bawah entering variabel. Kemudian, tidak termasuk persamaan tujuan,
buat rasio antara sisi kanan persamaan dengan elemen yang tidak dicoret di bawah
entering variabel.
 Leaving variabel adalah variabel basis yang memiliki rasio terkecil. Kolom pada
entering variabel dinamakan entering column dan baris yang berhubungan dengan
leaving variabel dinamakan pivot equation. Elemen pada perpotongan entering
column dan pivot equation dinamakan pivot element. Dalam tabel, pivot element
ditunjukkan dengan tanda kurung.

Basis X1 X2 S1 S2 S3 Solusi Rasio

Z -3 -2 0 0 0 0
S1 1 1 1 0 0 15 15/1
S2 (2) 1 0 1 0 28 28/2
S3 1 2 0 0 1 20 20/1

 Kolom X1 adalah entering column dan persamaan S2 adalah pivot equation

Perhitungan selanjutnya ditentukan dengan menerapkan metode Gauss Jordan melalui

dua jenis perhitungan :
1. Jenis 1 (pers pivot) Elemen persamaan pivot tabel baru =
2. Jenis 2 (semua persamaan yang lain termasuk pers Z
Elemen pers tabel baru = Elemen pers tabel baru –
Perhitungan jenis 1 membuat pivot element sama dengan 1 pada pivot equation yang
baru seperti tabel berikut. Tabel 2.

Basis X1 X2 S1 S2 S3 Solusi
Z -3 -2 0 0 0 0
S1
S2 1 1/2 0 1/2 0 14
S3
Sementara perhitungan jenis 2 membuat koefisien yang lain pada entering column
sama dengan 0, seperti ditunjukkan tabel berikut.
Perhatikan bahwa kolom solusi menghasilkan nilai baru X1 = 14, yang sama dengan
rasio minimum pada feasibility condition. Tabel solusi baru yang diperbaiki dibuat
dengan melakukan perhitungan jenis 2. Tabel baru yang lengkap diberikan seperti
berikut. Tabel 3.
Basis X1 X2 S1 S2 S3 Solusi Rasio
Z 0 -1/2 0 3/2 0 42
S1 0 (1/2) 1 -1/2 0 1 2
S2 1 1/2 0 1/2 0 14 28
S3 0 2 0 -1/2 0 6 4
Kolom X1 adalah entering column dan S2 merupakan leaving variabel
 Solusi yang baru memberikan X1 = 14 dan X2 = 0 (Gambar pada titik B). Nilai Z
naik dari 0 menjadi 43.
Optimality condition memilih X2
sebagai entering variabel karena
koefisien pada pers Z sebesar -1/2.
Feasibility condition menunjukkan
bahwa S1 sebagai leaving variabel
karena memiliki rasio terkecil yaitu 2,
sehingga memperbaiki nilai fungsi
tujuan sebesar 2x1/2 = 1. Dengan
operasi Gauss Jordan diperoleh tabel
baru berikut. Tabel 4

Basis X1 X2 S1 S2 S3 Solusi
Z 0 0 1 1 0 43
S1 0 1 2 -1 0 2
S2 1 0 -1 1 0 13
S3 0 0 -3 1 1 3
 Solusi baru memberikan X1 = 13 dan X2 = 2 (titik C pada Gambar) dan nilai Z
naik dari 42 menjadi 43. Tabel 4 adalah optimal karena tidak ada variabel non basis
yang memiliki koefisien negatif pada persamaan Z. Ini merupakan perhitungan
metode simplek yang lengkap.