Metode Simpleks

HJ. MULYANA MAHCMUD, SE., M.Ak

 PENGANTAR
Karena kesulitan rnenggambarkan grafik berdimensi banyak, maka
penyelesaian masalah LP yang melibatkan lebih dari dua variabel
menjadi tak praktis atau tidak mungkin. Dalam keadaan ini kebutuhan
metode solusi yang lebih umum menjadi nyata. Metode umum itu
dikenal dengan nama Algoritma Simplex yang dirancang untuk
menyelesaikan seluruh masalah LA, baik yang melibatkan dua variabel
maupun lebih dua variabel.
Metode simpleks pertama kali diperkenalkan oleh George B. Dantzig
pada tahun 1947 dan telah diperbaiki oleh 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, bab ini akan memberikan pengetahuan dasar
penggunaan perhitungan-ulang dalam menyelesaikan model LP.
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" (standard form). Ciri-ciri bentuk baku model LP adalah:

Semua kendala berupa persamaan

01 dengan sisi kanan nonnegatif

02 Semua variabel nonnegatif

Fungsi tujuan dapat maksimum

03 maupun minimum.
 1. KENDALA
1. Suatu kendala jenis ≤ (≥)
dapat diubah menjadi suatu
2. Sisi kanan suatu persamaan
persamaan dengan
dapat selalu dibuat non negatif
menambahakan suatu
dengan cara mengkalikan
variabel slack ke
kedua sisi dengan -1.
(mengurangkan suatu
variabel surplus dari) sisi kiri Contoh :
kendala. -5X1 + X2 = -25
 pada kendala X1 + X2 ≤ 15 -dapat diganti dengan
ditambahakan suatu slack -- 5X1 + X2 ≥ 25
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 tak digunakan.
 pada kendala X1 + X2 –
3X3 ≥ 5 dikurangkan
suastu variabel surplus S2
≥ 0 pada sisi kiri
untuk memperoleh
persamaan 3X1 + 2X2 + S1
2. VARIABEL
Sebagian atau semua variabel dikatakan unrestricted jika mereka
dapat memllild nilai negatif maupun positif. Variabel unrestricted dapat
diekspresikan dalam dua varlabel non negatif dengan menggunakan
substitusi X1 = X'j - X" X di mana X'j = variabel unrestricted dan X, X> 0
Substitusi ini memengaruhi seluruh kendala dan fungsi tujuan
yang akan lebih dijelaskan kemudian.
 3. FUNGSI TUJUAN
Meskipun model LP dapat berjenis Ekuivalen berarti bahwa untuk
maksimisasi maupun minimisasi, terkdang seperangkat kendala yang sama, nilai
bermanfaat untuk mengubah salah satu bentuk optimum X1, X2, dan X3. dan adalah sama
ke bentuk lain. Maksimisasi dari suatu fungsi dalam kedua kasus. Perbedaannya hanya
adalah ekuivalen dengan minlinisasi dari pada nilai fungsi tujuan, meski benar angka
negatif fungsi yang sama dan sebaliknya. sarna, tetapi tandanya berlawanan.
contoh:
Maks. Z = 50X1 + 80X2 + 60X3 Contoh:
ekuivaien secara matematik dengan Ubahlah model LP berikut ke dalam bentuk
Min (-Z) = -50X1 - 80X2 - 60X baku
Maksimumkan Z = 9X1 + 18X2
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, S 1, S2 ≥ 0
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 seperti 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 layak lain yang berdekatan.
Pergerakan ini akan menghasilkan nilai fungsi tujuan yang lebih baik (meningkat
untuk masalah maksimisasi dan menurun untuk masalah minimisasi). )ika 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 dapat ditemukan.
Proses simpleks kemudian berhenti dan solusi optimum diperoleh.
Metode dan Tabel Simpleks
Mengubah bentuk baku model LP kedalam bentuk tabel akan memudahkan
proses perhitungan simplek. Langkah-langkah perhitungan dalam algoritma simpleks
adalah
a) Berdasarkan bentuk baku, tentukan solusi awal (intial basis feasible silution)
dengan menetapkan n - m variabel non basis sama dengan nol. Di mana jumlah
variabel dan m banyaknya kendala.
b) Pilih semua entering variabel di antara yang sedang menjadt varittbel non basis,
yang jika dinaikan di atas nol, dapat memperbaiki nilai fungsi tujuan. Jika tidak ada
berarti solusi sudah optimal. Jika tidak, menuju langkah 3.
c) Perubahan sebuah leaving variabel di antara 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 kelangkah b.
Metode dan Tabel Simpleks
Perhitungan simpleks yang lebih terinci akan diterangkan dengan menggunakan
contoh berikut. Solusi dengan gratis juga diberikan, untuk menunjukkan bagaimana
kedua metode berhubungan satu dengan lain.
Maksimumkan Z = 3X1 + 2X2
dengan syarat: X1 + X2 ≤ 15
2X1 + X2 ≤ 28
X1 + 2X2 ≤ 20
X1 + X 2 ≥ 0
  
Bentuk baku model LP itu adalah
Z – 3X1 – 2X2 – OS1 – OS2 – OS3 = 0 Persamaan tujuan

X1+ X2 + S1 = 15
2X1 + X2 + S1 = 28 Persamaan kendala
X1 + 2X2 + S3 = 20
 Metode dan Tabel Simpleks
Lihat kembali langkah a, solusi awal ditentukan dari persamaan kendala dengan
menetapkan dun (-2-3). 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 A pada Gambar 2.1). Titik ini merupakan solusi awal. Pada saat ini nilai
Z sama dengan nol. Kita dapat merangkum informasi di ata s ke dalam bentuk tabel
simpleks awal seperti berikut:

Basis X1 X2 S1 S2 S3 Solusi
Z -3 -2 0 0 0 0 Persamaan Z
S1 1 1 1 0 0 15 Persamaan S1
S2 2 1 0 1 0 28 Persamaan S2
S3 1 2 0 0 1 20 Persamaan S3

Informasi pada tabel dibaca seperti berikut. 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 tak 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.
Metode dan Tabel Simpleks
Kapan solusi telah optimum? dengan memeriksa persamaan Z, terlihat bahwa variabel
non basis yaitu X1, dan X2, keduanya memilild koefisien negatif, yang berarti mempanyai
koefisien positif pada fungsi tujuan yang asli.
Karena tujuan kita adalah maksimisasi, malta nilai Z dapat diperbaiki dengan
meningkatkan X1 atau X2, menjadi lebih besar dari pada nol. Yang diutamakan untuk
dipilih 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 menyatalcan bahwa dalam kasus
maksimisasi, jika sennua variabel non basis memiliki koefisien non negatif dalam
persamaan Z, maka solusi telah optimum. Jika tidak, variabel non basis dengan koefisien
negatif terbesar dipilih sebagai entering variable.
Penerapan optimality condition pada tabel simplex awal, menyarankan memilih X1
sebagai entering variable. Kemudian leaving variable harus salah satu dari variabel basis
S1, S2 atau S3. Penentuan leaving variabel dilakukan dengan menggunakan feasibility
condition yang menyataltan bahwa untuk masalah maksimisasi maupun minimilsasi,
leaving variable adalah variabel basis yang memiliki rasio terkecil antara sisi kanan
persamaan kendala dengan koefisien bersangkutan yang positif pada entering variable.
 Metode dan Tabel Simpleks
X2

15
E Z = 43
10 (X1, X2) = (13,2)
D
5
C

5 5 10 B 15 20 X1
Z = 18
Rasio yang didefinisikan di atas dan leaving variable dapat ditentukan langsung dari tabel
simpleks. Pertama, coret semua elemen nol atau negatif pada persamaan kendala di bawah entering
variable. Kemudian, tidak termasuk persamaan tujnan, buat rasio antara sisi kanan persamaan
dengan elemen yang tak dicoret di bawah entering variable. Leavingvariable adalah variabel basis
yang merniliki rasio terkecil. Kolom pada entering variable dinamakan entering coloumn danbaris
yang berhubungan dengan leaving variable dinamakan pivot equation.Elemen pada perpotongan
entering coloumn dan pivot equation dinamakan pivot element. Dalam tabel, pivot element
ditunjukkan dengan tanda kurung.
 Metode dan Tabel Simpleks
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 0 0 28 18/2
1 2 0 0 1 20 20/1
S3
*Kolom X1 adalah enteringcolumndan persamaan S2 adalah pivot equation
Perhitungan selanjutnya (new basic solution) ditentukan dengan menerapkan metode Gauss Jordan
melalui dua jenis perhitungan:
1. Jenis 1 (persamaan pivot) elemen persamaan =
pivot tabel baru

2. Jenis 2 (semua persamaan yang lain termasuk persamaan Z)

Elemen Elemen Elemen
persamaan = persamaan - Elemen entering x persamaan
tabel baru tabel baru coloumn pivot tabel baru

Perlu diingatkan bahwa elemen-elemenpada persamaan Z dapat juga di peroleh melalui inner
product rule yang akan diterangkan nanti.
Metode dan Tabel Simpleks
Perhitungan jenis 1 membuat pivot element sama dengan 1 pada pivot equation yang baru,
sementara perhitungan jenis 2 membuat koefisien yang lain pada entering column sama
dengan nol, seperti ditunjukkan pada tabel berikut.

Basis X1 X2 S1 S2 S3 Solusi

Z -3 -2 0 0 0 0
S1
1 1/2 0 1/2 0 14
X1
S1
Metode dan Tabel Simpleks
Perhatikan bahwa kolom solusi menghasilkan nilal 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.

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
X1 1 1/2 0 1/2 0 14 28
0 3/2 0 -1/2 0 6 4
S1
*) kolom X1 adalah entering column dan S merupakan leaving variable
Metode dan Tabel Simpleks
Solusi yang baru memberikan X1 = 14 dan X2 = 0 (titik B pada Gambar. 2.1). Nilai Z naik dari
0 menjadi 42.
Berdasar tabel 2.4, optimality condition memilih X2 sebagai entering variable karena

koefisien pada persamaan Z sebesar -1/2. Feasibility condition menunjukkan bahwa S 1 sebagai
leaving variable karena memilikl rasio terkecil yaitu 2, sehingga memperbaiki nilai fungsi tujuan
sebesar 2 x 1/2 = 1. Dengan operasi Gauss Jordan diperoleh tabel baru seperti berikut.
Basis X1 X2 S1 S2 S3 Solusi

Z 0 0 1 1 0 43
X2 0 1 2 -1 0 2 --Optimum
X1 1 0 -1 1 0 13
0 0 -3 1 1 3
S3
 
Solusi baru memberikan X1 = 13 dan X2 = 2 (titik C pada Gambar. 2.1)
dan nilai Z naik dari 42 menjadi 43. Tabel 2.5 adalah optimal karena tak ada
variabel non basis yang memiliki koefisien negatif pada persamaan Z. Ini
merupakan perhitungan metode simpleks yang lengkap.
Pada pada contoh di atas metode simpleks diterapkan pada masalah
maksismisasi. Pada masalah maksimisasi, optimality condition berubah, di
mana entering variable di pilih dari variabel yang memiliki koefisien positif
terbesar pada perrsamaan Z. Feasibility condition adalah sama untuk kedua
masalah, Kedua Condition tersebut akan ditegaskan kembali seperti berikut.
Optimality Condition: entering variable pada maksimisasi (minimtsasi)
adalah variable non basis dengan koefisien negati (positif) terbesar pada
persamaan Z. Suatu koefisien kembar dipilih secara sembarang. Jika
semua koefisien non basis pada persamaan Z adalah non negatif (non
positif), solus optimum telah dicapai. Feasibility Condition: baik masalah
maksimumisasi maupun minimisasi, leaving variable adalah variabel basis
yang memiliki rasio terkecil (dengan penyebut positif). Suatu rasio kembar di
pilih secara sembarang.
 Keunggulan metode simpleks dibanding penyelesaian secara grafik
adalah bahwa ia dapat menyelesaikan masalah LP dengan berapapun
jumlah variabel. Suatu aplikasimetode simplex pada masalah LP yang
melibatkan tiga variabel diberikan seperti berikut.

Maksimumkan Z = 40X1 + 30X2 + 50X3

dengan syarat: 6X1 + 4X2 + X3 ≤32.000
6X1 + 7X2+ 3X3 ≤ 16.000
4X1 + SX2 + 12X3 ≤ 24.000
X1 , X 2 , X 3 , ≥0

Bentuk baku masalah LP itu adalah:

Z -40X1 - 30X2 - 50X3– OS1 – OS2 – OS3 = 0
6X1 + 4X2 + X3 +S1 = 32.000
6X1 + 7X2 + 3X3 + S2 = 16.000
4X1 +SX2 + 12X3 + S3 = 24.000
Solusi dengan berikut meggunakan label simpleks yang lengkap ditunjukkan
pada tabel berikut.

Basic X1 X2 X3 S1 S2 S3 Solusi Rasio

Z 1 -40 -30 -50 0 0 0

S1 6 4 1 1 0 0 32.000 32.000

S2 6 7 3 0 1 0 16.000 5.333

S3 4 5 (12) 0 0 0 24.000 2.000

 Tabel literasi pertama

Basic X1 X2 X3 S1 S2 S3 Solusi Rasio

Z -70/3 -55/6 0 0 0 25/6 100.000

S1 17/3 14/12 0 1 0 -1/12 30.000 5.294

S2 (5) 23/4 0 0 1 1/4 10.000 2.000

X1 1/3 5/12 1 0 0 1/2 2.000 6.000
Tabel literasi kedua
Basic X1 X2 X3 S1 S2 S3 Solusi

Z 0 53/3 0 0 14/3 3 440.000/3

S1 0 -14/15 0 1 -17/15 1/15 56.000/2

X1 1 23/20 0 0 1/5 -1/20 2.000

X2 0 1/30 1 0 -1/15 1/10 4.000/3

Pada literasi yang kedua telah tercapai solusi optimum dengan X 1 = 2.000;
X3 = 4.000/3 dan Z = 1.466,67. Pada tabel optimum (Tabel 2.8) S 2 dan S3 = 0 artinya
pengambil keputusan akan menggunakan seluruh persediaan sumber daya kedua dan
ketiga, tetapi masih memiliki sumber daya pertama sebanyak 1.166,7 karena tak digunakan.
 Pikirkan contoh berikut,
Minimumkan Z = -3X1 + X2 + X3
dengan syarat: X1 – 2X2 + X3 ≤11
-4X2 + X2 + 2X3 ≥ 3
2X1 - X3 = -1
X1 X2, X3 ≥0

Z + 3X1 - X2 - X3 - OS1 - OS2

X1 – 2X2 + X3 + S1 = 11
-4X1 + X2 + 2X3 - S2 =3
-2X1 + X3 =1

Istilah variabel dalam variabel surplus adalah berbeda di mana slack

ditambahkan dan mencerminkan sumber daya yang tak terpakai sementara surplus
dikurangkan dan menunjukkan suatu kelebihan diatas keperluannya, tetapi keduanya
diberi notasi serupa yaitu 5.
Kebutuhan utama metode simpleks adalah solusi awal layak (inisial basic
visible solution). Tanpa ini, tabel simpleks tak dapat dibuat. Dari masalah minimasi di
atas , terdapat 3 persamaan dan 5 variabel tak diketahui, yang berarti bahwa 2
variabel harus menjadi non basis ( nilainya = nol ) pada setiap solusi. Tak seperti
kasus di mana terdapat variabel slack pada setiap persamaan, di sini kita dapat
menjamin bahwa dengan menetapkan suatu variabel sama dengan nol, variabel basis
yang dihasilkan akan non negatif ( berarti diperoleh solusi kayak) Ada dua pendekatan
untuk mendapatkan suatu solusi awal layak yaitu:
1. Coba-coba
Disini suatu variabelbasis dipilih secara sembarang untuk setiap kendala. Jika
dihasilkan satu solusi layak (nilai variabel basis pada kolom solusi non negatif),
maka metode simpleks dapat dimulai. Bisa jadi, nilai variabel basis pada kolam
solusi negatif, maka solusi yang diperoleh tak layak (melanggar kendala non
negatif) dan metode simpleks tak dapat dimulai. Meskipun, coba-coba dapat
diulangi lagi sampai diperoleh solusi awal layak , metode ini jelas tidak efisien dan
mahal.
2. Menggunakan Artificial Variabel
Gagasan penggunaan artificial variabel sangat sederhana. Tambahkan suatu
artificial variabel pada sisi kiri setiap persamaan yang tidak memiliki variabel basis.
Dinamakan artificial atau (sebagai lawan dari "real decision variabel") karena
ia tidak memiliki arti nyata. Artificial digunakan hanya untuk memulai
penyelesaian dan pada urutan selanjutnya mereka harus dijadikan nol pada solusi
akhir, jika tidak, solusi yang dihasilkan akan menjadi tak layak.
pada bentuk baku contoh diatas variabel slack S1 pada persamaan pertama
adalah variabel basis. Karena ada persamaan kedua dan ketiga tidak ada variabel
slack (variabel basis), kemudian ditambahkan artificial variabel A1 dan A2 pada
kedua persamaan tersebut. uUtuk tetap menjamin bentuk baku A 1 dan A2
dibatasi pada nilai non negatif. Sehingga diperoleh artificial sistem seperti
berikut.
X1 – 2X2 + X3 + 1 = 11
-4X1 + X2 + 2X3 - X2 + 1 = 3
-2X1 + X3 + = A2 = 1
Terdapat 3 persamaan dan 7 bilangan tak diketahui, sehingga selisih awal yang
layak harus memiliki 4 (=7 -3) variabel membaca sisi yang sama dengan nol. Tetapi
ini bukan solusi layak karena artificial variabel bernilai positif. Sehingga tujuan kita
adalah memaksa artificial variabel menjadi nol secepat mungkin. Ini dapat dicapai
Sekian dan Terimakasih