DIFERENSIAL

(fungsi sederhana)
Lanjutan……
Hakekat Derivatif dan Diferensial
y
 lereng dari kurva y  f(x)
x
lim y dy

x  0 x dx

dy/dx  terdiri dari 2 suku, dy dinamakan diferensial

y, dx merupakan diferensial dari x.
Diferensial dari x : dx = ∆x
Diferensial dari y : dy=(dy/dx) ∆x

Variabel terikat
dy/dx  lereng taksiran (approximated slope)
dari kurva y = f(x) pada kedudukan x tertentu.
∆y/∆x  lereng yang sesungguhnya (the true
slope)
Lereng taksiran ini dapat lebih besar (over
estimated), atau lebih kecil (under estimated),
atau sama dengan lereng sesungguhnya
(teragantung pada jenis fungsinya dan besar
kecilnya perubahan pada variabel bebas)
Fungsi y = f(x) yang linier, lereng taksiran =
lereng sesungguhnya, berapapun ∆x  dy/dx
= ∆y/ ∆x

y = f(x) Perubahan x = ∆x
Perubahan y = ∆y
Diferensial x = dx
R
Diferensial y = dy
∆y = dy Kuosien diferensi =
P ∆y/ ∆x
Q
Derivatif = dy/dx
∆x = dx

dy/dx = ∆y/ ∆x
 Fungsi y = f(x) yang non-linier

y y

S
S

R QR=∆y R
P Q QR=dy
P QS=dx
Q QS=∆y

∆x = dx
∆x = dx

0 x 0 x
(a) (b)

dy > ∆y dy < ∆y
Over-estimated Under-estimated
Contoh
Andaikan y = 3x-4x+5 dan ingin diketahui serta
dibandingkan nilai dy dan nilai Δy untuk Δx = 0.0001
dari kedudukan x =2.
dy/dx = 6x-4 = 6(2) – 4 = 8
dy = dy/dx Δx = 8 (0,0001) = 0,0008
Δy = f(x+Δx) – f(x)
= 3(x+Δx) - 4(x+Δx)+5 – (3x-4x+5)
=3(2+0,0001) - 4(2+0,0001)+5 – 3(2)+4(2)-5=0,0008
Jadi untuk x=2 dan Δx =0,0001 ternyata dy=Δy=0,0008,
berarti lereng taksirannya sama persis dengan lereng yang
sesungguhnya
Derivatif dari derifatif
Setiap fungsi bisa diturunkan lebih dari 1
kali (tergantung derajatnya).
Turunan pertama (turunan dari fungsi
awal), turunan kedua (turunan dari fungsi
pertama, dst.
contoh :
y  f ( x)  x 3  4 x 2  5 x  7
y '  dy / dx  3 x 2  8 x  5
y ' '  d 2 y / dx 2  6 x  8
y ' ' '  d 3 y / dx 3  6
y 'v  d 4 y / dx 4  0
Hubungan antara fungsi dan Derivatifnya
Dengan mengetahui hub. antara fungsi dan
derivatifnya  besarnya turunan pertama dan
turunan kedua  akan bisa dikenali bentuk gambar
dari fungsi tersebut
Kita akan mengetahui kurva menaik atau menurun,
titik ekstrim dan juga titik beloknya.
contoh :
y  f ( x)  1 x 3  4 x 2  12 x  5  fungsi kubik
3
y '  dy / dx  x 2  8 x  5  fungsi kuadrat
y ' '  d y / dx  2 x  8  fungsi linear
2 2

y ' ' '  d y / dx  2  konstanta

3 3

Perhatikan pengurangan derajat fungsi pada masing-

masing turunannya
Fungsi Menaik dan Menurun
Turunan pertama dari sebuah fungsi non-linear dapat
digunakan untuk menentukan apakah kurva dari fungsi
yang bersangkutan menaik atau menurun pada kedudukan
tertentu.

Lereng nol
y = f(x)

Lereng negatif f’(a)>>0,0,yy==f(x)

f’(a) f(x)menaik
menaik
fungsi
Lereng menurun
positif f’(a)<<0,0,yy==f(x)menurun
f’(a) f(x)menurun
fungsi
menaik
Lereng nol
Uji Tanda
Apabila turunan pertama f’(x) = 0, berarti
y = f(x) berada di titik ekstrim
Untuk menentukan apakah titik ekstrim
tersebut merupakan titik maksimum ataukah
minimum, maka perlu dilakukan uji tanda
terhadap f’(a) = 0.
Jika f’(x) > 0 untuk x < a dan f’(x) < 0 untuk x >
a, maka titik ekstrimnya adalah titik maksimum.
Jika f’(x) < 0 untuk x < a dan f’(x) > 0 untuk x >
a, maka titik ekstrimnya adalah titik minimum.
Contoh
Tentukan apakah y=f(x)= 1/3x - 4x+12x-5 merupakan
fungsi menaik ataukah fungsi menurun pada x=5 dan x
=7. selidiki untuk x=6?
Titik ekstrim fungsi parabolik
Turunan pertama dari fungsi parabolik y = f(x) berguna
untuk menentukan letak titik ekstrimnya.
Sedangkan turunan kedua berguna untuk mengetahui
jenis titik ekstrim yang bersangkutan.
Perhatikan fungsi parabolik berikut dan turunan-
turunannya, serta hubungan secara grafik.
y = f(x) = x2 - 8x + 12 ………….fungsi parabolik
y’ = f’(x) = dy/dx = 2x – 8 …….fungsi linear
y” = f”(x) = d2y/dx2 = 2 ……….konstanta
Parabola y = f(x) = x2 - 8x + 12 , mencapai titik ekstrim –
dalam hal ini titik minimum yaitu (4, -4)
y’ = 0, nilai variabel bebas x = 4. x = 4  dimasukkan
ke dalam persamaan Parabola  didapat nilai y = -4
 y

y = x2 – 8x + 12
12

y’= 2x - 8

2 y” = 2
0 x
2 4 6

-4
(4,-4)

-8
Parabola y = f(x) mencapai titik ekstrim pada y’ = 0
Jika y” < 0 : bentuk parabolanya terbuka ke bawah,
titik ekstrimnya adalah titik maksimum.
Jika y” > 0 : bentuk parabolanya terbuka ke atas, titik
ekstrimnya adalah titik minimum.
Titik Ekstrim dan Titik Belok Fungsi Kubik
Titik maksimum atau minimum fungsi kubik,
serta titik beloknya dapat dicari melalui turunan
pertama dan kedua dari fungsi tersebut. Derivatif
pertama berguna menentukan letak titik
ekstrimnya, sedangkan derivatif kedua bermanfaat
mengetahui jenis titik ekstrim dan menentukan
letak titik beloknya
Perhatikan fungsi kubik dan turunannya berikut :
y = 1/3x3 – 3x2 + 8x – 3 ………….fungsi kubik
y’ = x2 – 6x + 8 ……………………fungsi kuadratik
y” = 2x – 6 ………………………..fungsi linear
Jika y’ = 0,
x2 – 6x + 8 = 0
(x – 2)(x – 4) = 0  x1 = 2, x2 = 4
Untuk x1 = 2 dimasukkan pada persamaan kubik 
maka y = 3.67 (2, 3.67)  titik ekstrim maksimum
Untuk x1 = 2 apabila dimasukkan dalam turunan ke dua,
maka y” = -2 < 0 (turunan kedua negatif)
Untuk x2 = 4 dimasukkan pada persamaan kubik 
maka y = 2.33 (4, 2.33)  titik ekstrim minimum
Untuk x2 = 4 apabila dimasukkan dalam turunan ke dua,
maka y” = 2 > 0 (turunan kedua positif)
Jika y” = 0  2x – 6 = 0  x = 3, nilai x = 3 dimasukkan
dalam persamaan kubik  didapatkannilai y = 3  titik
belok (3,3)
 y

y’ = x2 – 6x + 8
8

y’’= 2x – 6
(2,3.67)
3.67 y = 1/3x3 – 3x2 + 8x + 3
(3,3)
(4,2.33)

2 y” = 2
0 x
2 3 4

-2 (3,-1)

-4

-6
Fungsi Kubik y = f(x) mencapai titik ekstrim pada y’ =
0
Jika y” < 0 pada y’ = 0, maka titik ekstrimnya adalah
titik maksimum
Jika y” > 0 pada y’ = 0, maka titik ekstrimnya adalah
titik minimum
Fungsi kubik y = f(x) berada di titik belok pada y” = 0
Diferensial & Optimalisasi
Diferensial Fungsi Majemuk
Optimalisasi
Penerapan dalam ekonomi
Parsial Diferensial
• Sebuah fungsi yg hanya mengandung satu variabel
bebas hanya akan memiliki satu macam turunan
Jika y = f(x) maka turunan y terhadap x: y’ = dy/dx
• Sedangkan jika fungsi yg bersangkutan memiliki
lebih dari satu variabel bebas, maka turunannya
akan lebih dari satu macam, tergantung jumlah
variabel bebasnya
Parsial Diferensial
• Jika y = f(x, z)
y dy
dy  dx  dz
x z
y y y y
dx dz
x dan z disebut derivatif parsial, x dan z
disebut diferensial parsial, sedangkan dy disebut
diferensial total
• Jika p = f(q, r, s)
p p p
dp  dq  dr  ds
q r s
Parsial Derivatif
• y = f(x1, x2, x3, …, xn) dimana xi (i = 1, 2, 3, …, n)
adalah variabel yg independen satu sama lainnya,
tiap variabel dapat berubah tanpa mempengaruhi
variabel lainnya (variabel lainnya konstan)
• Jika variabel x1 mengalami perubahan sebesar ∆x1
sedangkan variabel lainnya (x2, x3, …, xn) tetap,
maka y akan berubah sebesar ∆y. Maka kuosien
diferensi dapat ditulis:
y f ( x1  x1 , x2 , x3 ,..., xn )  f ( x1 , x2 , x3 ,..., xn )

x1 x1
Parsial Derivatif
• Derivative y terhadap x1 sebagaimana contoh diatas
disebut sebagai derivatif parsial dan dilambangkan
dengan: y
x1
• Fungsi turunannya (derivative) adalah:
y y
 lim
x1 x1 0 x1
Contoh (2): Derivative Parsial
• Carilah turunan parsial terhadap x1 dan x2 dari
fungsi y = f(x1, x2) = 3x12 + x1x2 +4x22
dengan menganggap x2 konstan, turunan terhadap
x1 adalah:
y
 6 x1  x2
x1
turunan terhadap x2:
y
 8 x2  x1
x1
Contoh (3): Derivative Parsial
• Carilah turunan parsial terhadap u dan v dari
fungsi y = f(u, v) = (u+4)(3u+2v)
dengan menganggap v konstan, turunan terhadap
u adalah:
y
 3 u  4   1 3u  2v   6u  2v  12
u
turunan terhadap v:
y
 2 u  4  0 3u  2v   2 u  4 
v
Contoh (4): Derivative Parsial
• Carilah turunan parsial terhadap u dan v dari
fungsi y = f(u, v) = (3u – 2v)/(u2+3v)
dengan menganggap v konstan, turunan terhadap
u adalah:
 
y 3 u 2  3v   3u  2v  2u  3u 2  4uv  9v
 
u 2

u  3v
2
 2

u  3v
2

turunan terhadap v:


 2

y  2 u  3v   3u  2v  3  u  2u  9 

v 2
u  3v 2 2

u  3v
2
 
Derivatif dari Parsial Derivatif
• Sama seperti diferensial fungsi sederhana, derivatif
fungsi majemuk juga dapat diturunkan kembali
• Jika y = x3 + 5z2 -4x2z – 6xz2 + 8z – 7, maka
turunan pertama y terhadap x dan z:
y 2 2 y 2
1  3 x  8 xz  6 z 2  10 z  4 x  12 xz  8
x z
turunan ke-2:
2 y 2
 y
1a 2
 6 x  8z 2a  10  12 x
x z 2

2 y 2 y
1b  8 x  12 z 2b  8 x  12 z
xz zx
Derivatif dari Parsial Derivatif
turunan ke-3:
3 y 3 y
1aa 3
6 2aa 3
0
x z
3 y 3 y
1ab 2
 8 2ab 2
 12
x z z x
3 y 3 y
1ba 2
 8 2ba 2
 12
x z z x
3 y 3 y
1bb 2
 12 2bb 2
 8
xz zx
Nilai Ekstrim
• Untuk y = f(x, z) maka y akan mencapai titik
ekstrimnya jika (necessary condition):
y y
 0 dan 0
x z
• Untuk mengetahui apakah titik ekstrim yg tercapai
adalah maksimum atau minimum, maka (sufficient
condition):
2 y 2 y Maksimum
 0 dan  0
x 2 z 2
2 y 2 y
2
 0 dan 2  0 Minimum
x z
 Contoh (5): Titik Ekstrim
• Carilah titik ekstrim dari fungsi:
y = -x2 + 12x – z2 + 10z - 45
selidikilah apakah titik ekstrim dari fungsi tersebut
merupakan titik maksimum atau minimum!
1) Titik ekstrim: yx dan yz = 0
y
 2 x  12  0  x  6
x
y
 2 z  10  0  z  5
z
y = -(6)2 + 12(6) – (5)2 + 10(5) – 45 = 16
letak titik ekstrim adalah (6, 16, 5) → 3-dimensi
 Contoh (5): Titik Ekstrim
• Carilah titik ekstrim dari fungsi:
y = -x2 + 12x – z2 + 10z - 45
selidikilah apakah titik ekstrim dari fungsi tersebut
merupakan titik maksimum atau minimum!
2) Jenis titik ekstrim: yxx dan yzz :
2 y 2 y
2
 2  0 2
 2  0
x z
Maka titik ekstrim adalah titik maksimum
dengan ymax = 16
 Latihan
• Carilah titik ekstrim dari fungsi:
p = 3q2 – 18q + r2 – 8r + 50
selidikilah apakah titik ekstrim dari fungsi tersebut
merupakan titik maksimum atau minimum!
Optimalisasi Bersyarat
• Optimalisasi suatu fungsi objektif (fungsi yg akan
dioptimalkan—baik maksimum atau minimum) atas
suatu fungsi kendala dapat diselesaikan dgn (1)
metode substitusi dan (2) metode Lagrange
• Nilai optimum diperoleh ketika turunan pertama dari
fungsi tersebut sama dengan nol (necessary condition)
• Sedangkan untuk mengetahui apakah nilai tersebut
adalah maksimum atau minimum, dapat diselidiki
dari turunan keduanya (sufficient condition):
Jika turunan kedua < 0, maka maksimum
Jika turunan kedua > 0, maka minimum
Metode Substitusi
• Jika fungsi objektif:
z = f(x, y)
s.t. u = g(x, y) → fungsi kendala
1) manipulasi fungsi kendala menjadi persamaan
salah satu variabel
2) Substitusi persamaan tersebut kedalam fungsi
objektifitasnya
3) Cari turunan pertama dari fungsi tersebut
(untuk mencari nilai ekstrim)
4) Selidiki maksimum/minimum dengan mencari
turunan kedua sesuai dengan persyaratan
Contoh (6) Metode Substitusi
• π = 80X – 2X2 – XY – 3Y2 + 100Y .…...… (1)
• s.t. X + Y = 12 .......... (2)
• Rearrange (2): X = 12 – Y ………. (3)
• Substitusi (3) ke (1):
= 80(12 – Y) – 2(12 – Y)2 – (12 – Y)Y
– 3Y2 + 100Y
= 960 – 80Y – 2(144 – 24Y – Y2) – 12Y
+ Y2 – 3Y2 + 100Y
= –4Y2 + 56Y +672 ………. (4)
Contoh (6) Metode Substitusi
• Derivasi order ke-1 persamaan (4): dπ/dY = 0
–8Y + 56 = 0 ↔ Y* = 7
• Substitusi nilai Y ke (3): X* = 12 – 7 = 5
• Profit (π):
π = 80(5) – 2(5)2 – (5)7 – 3(7)2 + 100(7)
= $868
• Jenis titik ekstrim:
d2π/dY2 = -8 < 0 → titik ekstrim maksimum
Metode Lagrange
• Jika fungsi objektif:
z = f(x, y)
s.t. u = g(x, y) → fungsi kendala
maka:
L(x, y, λ) = f(x, y) + λ(g(x, y) – u)
 Nilai optimum terjadi pada saat Lx dan Ly = 0
(necessary condition)
 Nilai optimum adalah maksimum jika Lxx dan Lyy < 0
dan minimum jika Lxx dan Lyy > 0 (sufficient
condition)
Contoh (7) Metode Lagrange
• π = 80X – 2X2 – XY – 3Y2 + 100Y .…...… (1)
• s.t. X + Y = 12 .......... (2)
• Fungsi Lagrangian:
L = 80X – 2X2 – XY – 3Y2 + 100Y
+ λ(X + Y – 12)
• Dengan menggunakan derivatif parsial, solusi
ditemukan pada saat f’(z) = 0:
L
 80  4 X  Y    0 ………. (3)
X
Contoh (7) Metode Lagrange
L
  X  6Y  100    0 ………. (4)
Y
L
 X  Y  12  0 ………. (5)

• Persamaan (3) dikurangi (4):
80 – 4X – Y + λ = 0
100 – X – 6Y + λ = 0
–20 – 3X + 5Y = 0 ………. (6)
Contoh (7) Metode Lagrange
• Kali (5) dengan 3 dan jumlahkan dengan (6):
3X + 3Y – 36 = 0
–3X + 5Y – 20 = 0
8Y – 56 = 0 ↔ Y* = 7
X + 7 – 12 = 0 ↔ X* = 5
• π = 80(5) – 2(5)2 – 5(7) – 3(7)2 + 100(7) = $868
• Jenis titik ekstrim:
d2π/dX2 = -4 < 0
titik esktrim maksimum
d2π/dY2 = -8 < 0
• Masukkan nilai Y* & X* ke (3) atau (4), nilai λ:
λ = –5 – 42 + 100 = –53
 Latihan
• Carilah titik ekstrim dari fungsi:
z = 2x + 2y dengan kendala (syarat) x2 + y2 = 8
Jelaskan jenis titik ekstrim dan tentukan nilai
ekstrim fungsi tersebut!
Penerapan dalam Ekonomi
 Permintaan Marjinal
• Apabila 2 macam barang mempunyai hubungan
dalam penggunaannya, maka permintaan atas
masing-masing barang akan fungsional terhadap
harga kedua barang tersebut
• Jika Qda = f(Pa, Pb) dan Qdb = f(Pa, Pb) maka:
Permintaan marjinal Permintaan marjinal
Qd a Qd b
 akan A berkenaan  akan B berkenaan
Pa dengan Pa Pa dengan Pa

Permintaan marjinal Permintaan marjinal

Qd a Qd b
 akan A berkenaan  akan B berkenaan
Pb dengan Pb Pb dengan Pb
 Elastisitas Permintaan Parsial
• Elastisitas permintaan (price elasticity of demand)
Jika Qda = f(Pa, Pb) dan Qdb = f(Pa, Pb), maka
elastisitas permintaan atas perubahan harga
barang itu sendiri:
1) Barang a
%Qd a Qd a Pa
d a   
%Pa Pa Qd a
2) Barang b
%Qd b Qd b Pb
d b   
%Pb Pb Qd b
 Elastisitas Permintaan Parsial
• Elastisitas Silang (cross elasticity of demand)
Jika Qda = f(Pa, Pb) dan Qdb = f(Pa, Pb), maka
elastisitas silang yang mengukur kepekaan
perubahan permintaan suatu barang berkenaan
dengan perubahan harga barang lainnya:
1) Elastisitas silang barang a dengan barang b
%Qd a Qd a Pb
 ab   
%Pb Pb Qd a
2) Elastisitas silang barang b dengan barang a
%Qd b Qd b Pa
ba   
%Pa Pa Qd b
 Elastisitas Permintaan Parsial
• Elastisitas Silang (cross elasticity of demand)
 Jika  ab danba < 0 untuk Pa dan Pb tertentu,
maka hubungan antara barang a dan barang b
adalah saling melengkapi (komplementer);
karena kenaikan harga salah satu barang akan
diikuti penurunan permintaan atas keduanya
 Jika  ab danba > 0 untuk Pa dan Pb tertentu,
maka hubungan antara barang a dan barang b
adalah saling menggantikan (substitusi);
karena kenaikan harga salah satu barang akan
diikuti kenaikan permintaan barang lainnya
Contoh (8) Elastisitas 2 Barang
• Fungsi permintaan atas 2 barang ditunjukkan sbb:
Qda(Pa2)(Pb3) – 1 = 0
Qdb(Pa3)(Pb) – 1 = 0
• Hitunglah elastisitas permintaan masing-masing
barang dan bagaimanakah hubungan antara kedua
barang tersebut?
1) Elastisitas permintaan:
manipulasi bentuk persamaan permintaan:
1 2 3 1 3 1
Qd a  2 3
 Pa  Pb Qd b  3
 Pa  Pb
Pa  Pb Pa  Pb
Contoh (8) Elastisitas 2 Barang
1) Elastisitas permintaan:
cari Qda’ dan Qdb’:
Qd a  3 3 Qd b 3  2
 2 Pa Pb   Pa Pb
Pa Pb
bentuk persamaan elastisitas permintaannya:
Qd a Pa 3 3 Pa
d a    2 Pa Pb  2 3  2
Pa Qd a Pa Pb
Qdb Pb 3  2 Pb
d b     Pa Pb  3 1  1
Pb Qd b Pa Pb
Barang a: elastis, barang b: elastis-uniter
Contoh (8) Elastisitas 2 Barang
2) Elastisitas silang:
cari turunan pertama atas a dan b:
Qd a Qd b
2 4
 3Pa Pb  3Pa 4 Pb1
Pb Pa
bentuk persamaan elastisitas silangnya:
Qd a Pb 2 4 Pb
 ab    3Pa Pb   2 3  3
Pb Qd a Pa Pb
Qd b Pa  4 1 Pa
ba    3Pa Pb  3 1  3
Pa Qd b Pa Pb
Hubungan kedua barang adalah komplementer
 Fungsi Biaya Gabungan
• Andaikan sebuah perusahaan memproduksi 2
barang A dan B, dimana fungsi permintaan atas
kedua barang dicerminkan oleh QA dan QB
sedangkan fungsi biaya C = f(QA, QB)
maka:
Penerimaan dari barang A: RA = QA x PA = f(QA)
Penerimaan dari barang B: RB = QB x PB = f(QB)
Penerimaan total: R = RA + RB = f(QA) + f(QB)
• Fungsi keuntungannya:
П = R – C = [f(QA) + f(QB)] – f(QA, QB) = g(QA, QB)
 Fungsi Biaya Gabungan
• Keuntungan akan optimum ketika П’ = 0:
 
0 0
Q A QB

• Titik optimum adalah maksimum jika П’’ < 0:

2  2 
2
0 2
0
Q A QB
Contoh (9) Fungsi Biaya Gabungan
• Biaya total yg dikeluarkan sebuah perusahaan yg
memproduksi dua barang, X dan Y, adalah:
C = QX2 + 3QY2 +QXQY
Harga jual per unit masing-masing barang adalah
PX = 7 dan PY = 20
• Berapa unit tiap barang harus diproduksi agar
keuntungan maksimum?
• Berapakah besarnya keuntungan maksimum?
Contoh (9) Fungsi Biaya Gabungan
• Berapa unit tiap barang harus diproduksi agar
keuntungan maksimum?
RX = PXQX = 7QX RY = PYQY = 20QY
R = 7QX + 20QY
П = 7QX + 20QY – QX2 – 3QY2 – QXQY
 
 7  2QX  QY  0  20  6QY  Q X  0
QX QY
7 – 2(20 – 6QY) – QY = 0
33 – 11QY = 0 → QY = 3
QY = 3 → 20 – 6(3) – QX = 0 → QX = 2
Contoh (9) Fungsi Biaya Gabungan
Jika ПXX dan ПYY < 0 maka titik maksimum:
2  2 
2
 2  0 2
 6  0
Q X QY
• Besarnya keuntungan maksimum:
П = 7(2) + 20(3) – (2)2 – 3(3)2 – (2)(3)
П = 37
• Soal ini juga dapat diselesaikan melalui persamaan
marjinalnya, П akan maksimum ketika MR = MC:
MRX = MCX dan MRY = MCY
 MU dan Keseimbangan Konsumsi
• Jika kepuasan konsumen U dan barang-barang yg
dikonsumsinya qi = (i = 1, 2, 3, …, n) maka:
U = f(q1, q2, q3, …, qn )
• Seandainya untuk penyerderhanaan, diasumsikan
bahwa seorang konsumen hanya mengkonsumsi 2
macam barang, X dan Y, maka fungsi utilitasnya:
U = f(x, y)
Fungsi utilitas U = f(x, y) merupakan persamaan
kurva indiferensi (indifference curve)—kurva yg
menunjukkan berbagai kombinasi konsumsi X dan
Y yang memberikan tingkat kepuasan yang sama
 MU dan Keseimbangan Konsumsi
• Derivatif pertama dari U terhadap X dan Y merupakan
fungsi utilitas marjinal parsialnya:
U Utilitas marjinal Utilitas marjinal
U
 berkenaan dengan  berkenaan dengan
x barang X y barang Y
• Budget Line (garis anggaran):
garis yang mencerminkan kemampuan konsumen
membeli berbagai macam barang berkenaan dgn harga
masing-masing barang dan pendapatan konsumen. Jika
M adalah pendapatan konsumen dan Px dan Py harga
barang X dan Y maka:
M = xPx + yPy
 MU dan Keseimbangan Konsumsi
• Keseimbangan konsumsi—suatu keadaan atau
tingkat kombinasi konsumsi beberapa barang yang
memberikan tingkat kepuasan optimum—tercapai
pada saat kurva indiferensi bersinggungan
(tangent) dengan budget line konsumen
• Optimalisasi dpt diselesaikan dengan membentuk
persamaan Lagrange dan derivatif pertama = 0:
L = f(x, y) + λ(xPx + yPy – M)
L L
 f x  x, y   Px  0  f y  x, y   Py  0
x y
 MU dan Keseimbangan Konsumsi
• Manipulasi Lx dan Ly:
L f x  x, y 
 f x  x, y   Px  0   
x Px f x  x, y  f y  x, y 

L f y  x, y  Px Py
 f y  x, y   Py  0   
y Py
• Utilitas marjinal (MU) = U’ = f ‘(x, y), maka:
MU X MU Y

Px Py
Keseimbangan konsumsi tercapai apabila hasilbagi
utilitas marjinal dari setiap barang atas harganya
adalah sama
Contoh (10) Utilitas Optimum
• Kepuasan seorang konsumen dari mengkonsumsi barang
X dan Y ditunjukkan oleh persamaan:
U = x2y3
Jumlah pendapatan konsumen Rp 1000 dan harga barang
X dan Y adalah Rp 25 dan Rp 50
• Carilah fungsi utilitas marjinal untuk setiap barang
• Berapakah utilitas marjinal jika konsumen
mengkonsumsi 14 unit X dan 13 unit Y?
• Apakah dengan mengkonsumsi 14 unit X dan 13 unit Y
konsumen memaksimumkan utilitasnya?
Jika tidak, carilah kombinasi barang X dan Y akan
memberikan tingkat kepuasan optimum
Contoh (10) Utilitas Optimum
• Carilah fungsi utilitas marjinal untuk setiap barang

U U
 2xy 3
 3x 2 y 2
x y
• Berapakah utilitas marjinal jika konsumen
mengkonsumsi 14 unit X dan 13 unit Y?
U U
 2(14)13 3  61516  314 13  99372
2 2

x y
Contoh (10) Utilitas Optimum
• Apakah dengan mengkonsumsi 14 unit X dan 13
unit Y konsumen memaksimumkan utilitasnya?
MU x MU y 61516 99372
  
Px Py 25 50
• Kombinasi X dan Y yg memaksimumkan utilitas:
MU x MU y 2 xy 3 3x 2 y 2
  
Px Py 25 50
 
2 2 xy 3  3x 2 y 2  4 xy 3  3x 2 y 2
y 3 3x 2 3
2
 y x
y 4x 4
Contoh (10) Utilitas Optimum
• Kombinasi X dan Y yg memaksimumkan utilitas:
L
 25 x  50 y  1000  0

• Substitusi nilai y = ¾ x kedalam persamaan λ:
3 
25 x  50 x   1000  0  x  16
4  3
x = 16, maka y  4 16  y  12
Utilitas maksimum:
u  x y  16 12  442368
2 3 2 3
 MP dan Keseimbangan Produksi
• Jika jumlah keluaran P dan input yang digunakan
xj = (j = 1, 2, 3, …, n) maka fungsi produksinya:
P = f(x1, x2, x3, …, xn )
• Seandainya diasumsikan bahwa seorang produsen
hanya menggunakan 2 macam input, K dan L,
maka fungsi produksinya:
P = f(k, l)
Fungsi produksi P = f(k, l) merupakan persamaan
kurva isoquant—kurva yg menunjukkan
berbagai kombinasi penggunaan input K dan L
yang memberikan tingkat produksi yang sama
 MP dan Keseimbangan Produksi
• Derivatif pertama dari P terhadap K dan L merupakan
fungsi produk marjinal parsialnya:
P Produksi marjinal Produksi marjinal
 berkenaan dengan P
 berkenaan dengan
k input K l input Y
• Isocost:
garis yang mencerminkan kemampuan produsen
membeli berbagai macam input berkenaan dgn harga
masing-masing input dan jumlah dana yg dimiliki. Jika
M adalah jumlah dana yg dianggarkan, P K dan PL harga
input K dan L maka:
M = K x P K + L x PL
 MP dan Keseimbangan Produksi
• Keseimbangan produksi—suatu keadaan atau
tingkat penggunaan kombinasi faktor-faktor
produksi secara optimum, yakni tingkat produksi
maksimum dengan kombinasi biaya terendah
(least cost combination)—tercapai pada saat kurva
isoquant bersinggungan (tangent) dgn isocost
• Optimalisasi dpt diselesaikan dengan membentuk
persamaan Lagrange dan derivatif pertama = 0:
Z = f(K, L) + λ(KPK + LPL – M)
Z Z
 f K  K , L   PK  0  f L  K , L   PL  0
K L
 MP dan Keseimbangan Produksi
• Manipulasi Lx dan Ly:
Z f K  K , L
 f K  K , L   PK  0   
K PK f K  K , L f L  K , L

Z f L  K , L PK PL
 f L  K , L   PL  0   
L PL
• Utilitas marjinal (MP) = P’ = f ‘(K, L), maka:
MPK MU L

PK PL
Produksi optimum dgn kombinasi biaya terendah
akan tercapai jika hasibagi produk marginal masing-
masing input terhadap harganya adalah sama
 Fungsi Produksi Cobb-Douglas
• Dinyatakan dengan:
P  AK  L
dimana:
A : Total factor productivity
K : Capital
L : Labor
α dan β : elastisitas output
• Jika:
α + β = 1 → constant return to scale
α + β > 1 → increasing return to scale
α + β < 1 → decreasing return to scale
Contoh (11) Utilitas Optimum
• Seorang produsen mencadangkan Rp 96 untuk
membeli input K dan L. Harga per unit input K
adalah 4 rupiah dan input L adalah 3 rupiah. Jika
fungsi produksi adalah P = 12KL, berapa unit tiap
input harus digunakan agar produksi optimum dan
berapakah produksi optimum tersebut?
MATRIKS
Pengertian Matriks
 Susunan atau daftar dari suatu angka-angka yang
mempunyai ikatan berdasar baris atau kolom yang
mempunyai kegunaan tertentu
 Susunan baris : angka-angka diurutkan secara
horizontal (ke arah kanan – kiri)
 Susunan kolom : angka-angka diurutkan secara
vertikal (ke atas bawah)
 Ikatan : hubungan secara berturut-turut, misalkan
karena matriks merupakan nilai
parameter/variabel/angka dari suatu persamaan
 Kegunaan matriks : untuk menyerdehanakan,
memudahkan ataupun mempercepat perhitungan
suatu persamaan
Bentuk Matriks
 Suatu matriks B ditulis B = ( bij )
dimana i = menunjukkan baris ( i = 1,2,3 )
j = menunjukkan kolom ( j = 1,2,3,4 )
 B = ( bij ) ini mempunyai arti bahwa matriks B adalah

b11 b12 b13 b14

 
Bb21 b22 b23 b24
b b b b 
 31 32 33 34
 Matriks B tersebut mempunyai jumlah baris = 3 dan
jumlah kolom = 4 dikatakan matriks B berdimensi 3 x 4
atau 3 by 4 atau sering juga ditulis B3x4.
Bentuk Matriks
 Analog, kalau ditulis Amxn, menunjukkan bahwa matriks A
berdimensi/berorder mxn.
Catatan :
 m menunjukkan nilai i tertinggi/terbesar

 n menunjukkan nilai j tertinggi/terbesar

 A
3x3 sering juga dituliskan A3, demikian pula An
maksudnya adalah Anxn, matriks demikian sering
disebut matriks bujursangkar / square matrix.
Contoh/macam-macam Matriks
 Matriks Baris
contoh ; A = ( 1 2 3 )  A1x3
A = ( 2 6 1 5 )  A1x4
 Matriks Kolom
 4
contoh ; 2  
  5
B  4 B 
1 3
   
 2
 
B31 B41
catatan ; - matriks satu baris merupakan vektor baris
- matriks satu kolom merupakan vektor kolom
Contoh/macam-macam Matriks
 Matriks berorder/berdimensi banyak ; Amxn

a11 a12 ..... a1n 

 
a21 a22 ..... a2n 
A 
..... ..... ..... .....
 
a a ..... a 
 m1 m2 mn
Operasi Matriks
 Equality
Matriks A dikatakan sama (equal) dengan matriks B apabila A
dan B mempunyai kesamaan dalam :
 Dimensi atau order artinya bahwa apabila A berdimensi

mxn, maka B juga berdimensi mxn.

 Nilai unsur yang berindeks sama harus sama atau nilai

unsur yang berada pada nomor baris dan kolom yang

sama (corresponding location) harus bernilai sama. Jadi
a12 = b12 ; a23 = b23 ; …….. dst.
Contoh;
14 14 
02

A
 
 
B
 
 
C
 

02
  02
  1 4
 

ABC
Operasi Matriks
 Addition of matrix (penjumlahan dalam matriks)
Matriks A dapat dijumlahkan dengan matriks B apabila
memenuhi syarat : mempunyai dimensi yang sama.
Contoh :

1 3 4 6
A
0  B 
 2

7
 5

1 3 4 6 5 9
CAB
0 

 

 

 2 7 5 7 7
Operasi Matriks
a11 a12 b11 b12
A
a a   B
b b  
 21 22  21 22
a11b
11 a12b12
CAB a b a b  
 21 21 22 22
Catatan ;
A2x2 + B2x2 = C2x2  dapat dioperasikan
Amxn + Bmxn = Cmxn  dapat dioperasikan
Amxn + Bmxm ≠  tidak dapat dioperasikan
Operasi Matriks
 Substraction of matrix (pengurangan dalam matriks)
Syarat mempunyai dimensi yang sama
Contoh :
4 6 1 3
A
7  B 
 5

0
 2

4 6 1 3 3 3
CAB
7   
 5 

0 2 

7 3


a a a 
b b 

A

1112

13
 
B

11

12

a
 a a
212223 b
 b
21 
22


CA
B tidak
dapat
dioper
an
Operasi Matriks
 Scalar multiplication and multiplication of matrix
Multiplikasi atau perkalian dalam matriks akan dapat
dilakukan apabila kedua matriks tersebut mempunyai
kesamaan dalam jumlah kolom matriks yang dikalikan
dengan jumlah baris matriks yang digunakan sebagai
pengali atau jumlah kolom multiplicant sama dengan
jumlah baris multiplier.
Operasi Matriks
Perhatikan :

A12B21

A33B32  dapat
dioperasik
an/dikalikan
A B 
m n nm

A
mnBmn tidak
dapat
dioperasik
an
A
11
 Bmn
 dapat
dioperasik
an
A
mnB
11
Operasi Matriks
Contoh :
Perkalian matriks dengan skalar atau skalar dengan matriks,
suatu matriks berdimensi 1x1merupakan angka atau
konstanta atau skalar. Perkalian demikian disebut perkalian
skalar.

1 3
A   4 B   
0 2
1
3  4 12
C  A B   4     
0
2  0 8 
1 3  4 12
D  B A    4   
0 2 0 8 
Operasi Matriks
Catatan : A·B = B·A
1 3
A k B
0 
 2

1 3 k 3k
CAB k 
0  
 2 0 2k
 

A

12
B22
 C
1
2


13

A46
 B
 

0 2
 
13
CAB46
 

0 2 4
1
60 4
32
6   4 24

 
Operasi Matriks
A2 2  B 2 2  C 2 2
4 6 1 3
A    B   
7 5 0 2
 4 6  1 3 
C  A  B     
 7 5  0 2 
 4  1  6  0 4  3  6  2   4 24 
     
 7 1  5  0 7  3  5  2   7 31 
 1 3  4 6 
D  B  A     
 0 2  7 5 
 1 4  3  7 1  6  3  5   25 41 
     
 0  4  2  7 0  6  2  5   14 10 
Catatan : A·B ≠ B·A
Operasi Matriks
Catatan :
Dimensi hasil-kali (multiplication sum) merupakan jumlah
baris matriks yang dikalikan (multiplicant) kali jumlah kolom
matriks pengali (multiplier)

A3x2 · B2x4 = C3x4

A4x3 · B3x6 = C4x6

A sebagai multiplicant/lead matrix

B sebagai multiplier/lag matrix
C sebagai multiplication sum/product matrix
Transpose Suatu Matriks
 Transpose suatu matriks A yakni AT atau A’ dapat
ditentukan dengan merubah tiap baris matriks A menjadi
kolom matriks A’ begitu juga sebaliknya tiap kolom matriks
A menjadi baris matriks A’.
Contoh :
4 6
  4 7 9
A7 5; transposen ya A '6 5 8 
9 8  
 
d11 d12 d13 d14 d11 d21 d31 d41
   
d21 d22 d23 d24 d12 d22 d32 d42
D ; D ' 
d31 d32 d33 d34 d13 d23 d33 d43
   
d d d d  d d d d 
 41 42 43 44  14 24 34 44
Determinant Suatu Matriks
 Determinant suatu matriks dapat ditentukan dengan cara:
a11 a12 a11 a12
A
a a  ; DetA A a a a11a22a12a21
 21 22 21 22

1 3 1 3
A
0 2; A0 2 12032
 
b11 b12 b13
 
Bb21 b22 b23
b b b 
 31 32 33
B b11b22b33b12b23b31b13b21b32
b31b22b13b32b23b11b33b21b12
Determinant Suatu Matriks
 Determinant suatu matriks dapat ditentukan dengan lebih
dahulu menentukan determinan matriks minor tiap elemen
dan kofaktor.
 Menentukan minor elemen bij dan minor elemen akan
mempunyai determinan.
b22 b23 b
11 b
12
11 M
b 11  b33M33 
b32 b33 b21 b22
b21 b22 b11 b13
13 M
b 13  b22M22 
b31 b32 b31 b33
b
12 b
13 b21 b23
b31M31 12 M
b 12 
b22 b23 b31 b33
Determinant Suatu Matriks
Selanjutnya |M21|, |M23|, |M32| dapat ditentukan dengan cara:
M21 ditentukan dengan menghapus peranan baris II dan kolom I
M23 ditentukan dengan menghapus peranan baris II dan kolom III
M32 ditentukan dengan menghapus peranan baris III dan kolom II
 Kofaktor, k = (-1)i+j |M |
ij ij

b22 b23
k11 1 M
11
11  b22b33b32b23
b32 b33
b21 b23
k12 1 M
12
12 b21b33b31b23
b31 b33
b21 b22
k13 1 M
13
13 b21b32b31b22
b31 b32
Determinant Suatu Matriks

B  b11k11  b12k12  b13k13 atau

B  b13k13  b23k23  b33k33 atau
B  b21k21  b22k22  b23k23 atau
B  b31k31  b32k32  b33k33 atau
B  b11k11  b21k21  b31k31 atau
B  b12k12  b22k22  b32k32
Determinant Suatu Matriks
Contoh : 1 2 1
 
B  1 2 3
2 1 3 

B  b11 k 11  b12 k 12  b13 k 13
2 3
k 11    1 
11
M 11 1  6 3  3
1 3
1 3
k 12    1 
1 2
M 12  1  3  6  3
2 3
1 2
k 13    1 
1 3
M 13 1  1  4  3
2 1
 B  1 3   2  3   1  3   6
Determinant Suatu Matriks
Atau juga dapat dicari dengan rumus :

B  b12k12  b22k22  b32k32

1 3
k12   1   3  6  3
12
M12  1
2 3
1 1
k22   1
22
M22 1  3 2 1
2 3
1 1
k32   1   3 1  2
32
M32  1
1 3
 B  2 3  21 1  2  6
Determinant Suatu Matriks
Cara yang paling mudah adalah, perhatikan !

     
 
1 2 1
      

B1 2 3
     
 2 1 3 
 
Tanda (+) dan (-) menunjukkan (-1)i+j yang genap akan (+)
dan sebaliknya bila bernilai ganjil akan (-).
 Determinant Suatu Matriks
Perhatikan Kolom I :
23 21 21
B
1 1 2
13 13 23
6

13
16
1
26
2
3
58
6
Atau Perhatikan Kolom II :
13 11 11

B2 
2 1
23 23 13

3
26
23
2
13

16
22
6
Seterusnya dapat dengan melihat masing-masing baris atau
kolom.
Invers Suatu Matriks
Invers matriks dapat dicari dengan : cara substitusi, cara
adjoint, cara kaunter dan cara partisi matriks. Dibawah ini
hanya akan dibicarakan cara adjoint.
Suatu matriks A mempunyai inverse A-1.
1 1

A adj A; adj A K '
A
Dan K’ adalah transpose dari matriks kofaktor kij dari
elemen aij , sehingga K’ = KT adalah
k11 k 12 k 13 ..........
k1n
k k k ..........
k 
K 21 22 23 2n

.........................
.....
 
k
 n1 kn2 kn3 ..........
knn
Invers Suatu Matriks
Untuk matriks A3x3 misalnya, akan mempunyai matriks
kofaktor K3x3. Contoh :
1 2 3
A  2 1 4
2 1 3
Tahap I : mencari determinan A
A 1

13242 3
2 

1  2


1
31

4

1 3

2
2
 
316 6 6 4 143
Tahap II : mencari adjoint A
k11 k21 k31
KT  k k
 12 22 32k 

k13 k23 k33 
Invers Suatu Matriks
1 4
k11  (1)11 M11  1  1
1 3  1  3 5 
  2 2 
2 4
k12  (1)12 M12  1
2 3
2  K T
3
k13  (1)13 M13  1
2 1
0
 0 3  3 
2 1

k21  (1)21 M21  1

2 3
 3
 1  3 5 
1 
2 
1 3
1 3
 A 1   2 3
k22  (1)22 M22  1  3 3
2 3  0 3  3 
1 2
k23  (1)23 M23  1 3
2 1  1 3  1 5 3
  2 3  1 2 3 
2 3
k31  (1)31 M31  1 5
1 4

k32  (1)32 M32  1

1
2
3
4
2  0 1  1 
1 2
k33  (1)33 M33  1  3
2 1
Beberapa Jenis Matriks
Beberapa Jenis Matriks

1. Null (zero) Matrix : matriks yang semua elemennya = 0.

000
00  

Contoh
: A  
B000
00
  
000

2. Identity Matrix : square matrix yang elemen diagonal
pokoknya = 1, sedangkan elemen lainnya = 0 atau,
aij 1 apabila
i j
aij 0 i j
apabila
1 0 0
1 0
: I2 
Contoh I3 0 1 0
0 1

 

0 0 1

Beberapa Jenis Matriks
3. Diagonal Matrix : square matrix yang setiap elemennya
sama dengan 0; kecuali elemen pokoknya, minimum
salah satu elemennya tidak sama dengan 0.
000
100  

Contoh
:A  
B010
012 
000

Dengan demikian identity matrix termasuk diagonal matrix.
4. Scalar Matrix : square matrix yang nilai setiap elemen
diagonal sebesar k (k  bilangan skalar) dan elemen
lainnya = 0. ij
a 1 apabilaij
ij
a ij
0 apabila
k 0 0

1 3 0
: S
Contoh  SkI3
0 k 0

0 13 
0 0 k

Beberapa Jenis Matriks
5. Symetric Matrix : square matrix dimana aij = aji.
2 4 6 7
4 9
2 4  1 2 
A  B6
4 3 2 3 8
 
7 9 8 4

6. Scalar : square matrix yang hanya mempunyai satu baris dan satu
kolom.
7. Vector : matriks yang terdiri dari satu baris atau satu kolom.
8. Matrix Diagonal : matriks yang bila dikalikan dengan transpose
matriksnya menghasilkan identity matrix.
9. Matrix Non-Singular : square matrix yang mempunyai inverse dan
determinannya ≠ 0.
10. Matrix Singular : square matrix yang tidak mempunyai invers dan
determinannya = 0.
11. Commute Matrix : bila AB = BA maka kedua matriks adalah
commute.
Kegunaan Determinan
Perhatikan persamaan berikut;
5x1 + 4x2 = 31 ……….X1 5x1 + 4x2 = 31
8x1 - 2x2 = 16……….X2 16x1 - 4x2 = 32 +
21x1 = 63  x1 = 3
5x1 + 4x2 = 31
5(3) + 4x2 = 31  4x2 = 31 – 15,  x2 = 4
Didapat nilai x1 = 3 dan x2 = 4
Persamaan diatas juga dapat diubah;
5 4x 1  
31

8 2
x 
16

  2  
Kegunaan Determinan
Secara sederhana dapat ditulis Ax = d, dimana ;

54  
x
1 
31

A ;
X 
; 
dan
d
8
 
2
 x
2 16

Menurut kaidah Cramer :

Ai
xi 
A

Dimana Ai adalah matriks A dengan kolom ke-i diganti

dengan matriks d
Kegunaan Determinan
31 4
162 62 64 126
1
x   3
5 4  32 42
10
8 2
5 31
8 16 80 248 168
x2   4
5 4  10 32 42
8 2
Didapatkan nilai x1 = 3 dan x2 = 4; ternyata hasilnya sama
dengan cara substitusi. Cara substitusi sulit dipecahkan
apabila persamaan dan jumlah bilangan yang belum
diketahui x banyak jumlahnya.
INTEGRAL
INTEGRAL
Kalkulus integral dikenalkan dua macam pengertian
integral, yaitu: integral taktentu (indefinite
integral) dan integral tertentu (definite integral).
Integral taktentu adalah kebalikan dari diferensial,
sedangkan integral tertentu merupakan suatu
konsep yang berhubungan dengan proses
pencarian luas suatu area.
INTEGRAL
I. INTEGRAL TAK TENTU
II. INTEGRAL TETENTU
INTEGRAL TAK TENTU

Mengintegralkan suatu fungsi turunan f(x) berarti

adalah mencari integral atau turunan-antinya, yaitu
F(x).

Bentuk umum integral dari f(x) adalah:

di mana k sembarang konstanta yang nilainya tidak tentu. Tanda
∫ adalah tanda integral ; dx adalah diferensial dari F(x), f(x)
disebut integran; dx . F(x) + k merupakan fungsi asli.
 
Jika suatu fungsi asal dilambangkan dengan F(x) dan fungsi
turunannya dengan f(x) maka:
PENERAPAN EKONOMI

Pendekatan integral tak tentu bisa digunakan untuk

mencari persamaan fungsi total dari suatu variabel
ekonomi pada persamaan fungsi marjinalnya
diketahui. Kita tahu bahwa fungsi marjinal adalah
turunan dari fungsi total, maka dengan proses
sebaliknya –yakni integrasi—dapat dicari fungsi
asal dari fungsi turunan tersebut atau fungsi
totalnya.
 PENERAPAN
EKONOMI
I. FUNGSI BIAYA
II. FUNGSI PENERIMAAN
III. FUNGSI UTILITAS
IV. FUNGSI PRODUKSI
V. FUNGSI KONSUMSI DAN FUNGSI TABUNGAN
FUNGSI BIAYA

Biaya total :

Biaya marjinal :

Biaya total adalah integrasi dari biaya marjinal

Kasus:

Biaya marjinal suatu perusahaan ditunjukkan oleh

MC = 3Q2 – 6Q + 4. Carilah persamaan biaya
total dan biaya rata-ratanya.
Jawab

Konstanta k adalah biaya tetap. Jika diketahui biaya tetap tersebut sebesar
4, maka:

C = Q3 – 3Q2
AC = Q2 – 3Q4/Q
FUNGSI PENERIMAAN
Kasus:

Carilah persamaan penerimaan total dan penerimaan

rata-rata dari suatu perusahaan jika penerimaan
marjinalnya MR = 16 – 4 Q
Jawab:
FUNGSI UTILITAS
Kasus

Carilah persamaan utilitas total dari eorang

konsumen jika utilitas marjinalnya MU = 90 – 10
Q.
Jawab

Seperti halnya produk total dan penerimaan total, disinipun

konstanta k = 0, sebab tidak aka nada kepuasan atau
utilitas yang diperoleh seseorang jika tak ada barang yang
dikonsumsi.
FUNGSI PRODUKSI
Kasus

Produk marjinal sebuah perusahaan dicerminkan

oleh MP=18 X-3X^2. Carilah persamaan produk
total dan produk rata-ratanya
Jawab

Dalam persamaan produk total juga konstanta k =

0, sebab tidak akan ada barang ( P ) yang
dihasilkan jika tak ada bahan ( X ) yang diolah
atau digunakan.
FUNGSI KONSUMSI DAN FUNGSI TABUNGAN
Dalam ekonomi makro, konsumsi ( C ) dan tabunagan ( S )
dinyatakan fungsional terhadap pendapatan nasional
( Y ).

C=f ( Y )=a+bY
MPC=C^'= dC/dY=f^' ( Y )= b

Karena Y=C+S, maka

S=g( Y )= -a+( 1-b)Y

MPS=S^'= dS/dY=g^' (Y)=( 1-b )
Berdasarkan kaidah integrasi, konsumsi dan
tabungan masing-masing adalah integral
dari marginal propensity to consume dan
marginal propensity to save.

Konstanta pada fungsi konsumsi dan fungsi

tabungan masing-masing adalah autonomous
consumption dan autonomous saving.
Kasus

Carilah fungsi konsumsi dan fungsi tabungan

masyarakat sebuah Negara jika diketahui
autonomous consumption-nya sebesar 30 milyar
dan MPC = 0,8.
Jawab
 INTEGRAL TERTENTU

Integral tertentu adalah integral dari suatu fungsi

yang nilai-nilai variable bebasnya memiliki batas-
batas tertentu. Dalam integral tak tentu kita
temukan bahwa
Jika kita ingin mengetahui hasil integrasi antara x =
a dan x = b dimana amaka x dapat disubtitusi
dengan nilai a dan b sehingga ruas kanan
persamaannya menjadi :
F(b) – F(a) adalah hasil integral tertentu dari f(x)
antara a dan b.Secara lengkap dapat dituliskan
menjadi :
Integral tertentu digunakan untuk menghitung luas area
yang terletak di antara kurva y = f(x) dengan sumbu
horizontal – x dan menghitung luas area yang terletak
di antara dua kurva.

Andaikan kita memiliki dua buah kurva y1 = f(x) dan y2

= g(x), di mana

F(x) Maka luas area antara kedua kurva ini untuk rentang
wilayah dari a ke b ( a adalah :
KAIDAH-KAIDAH INTEGRASI
TERTENTU

Untuk a < c < b, brlaku:

 Penerapan Ekonomi

1. Surplus konsumen
2. Surplus produsen
1. Surplus konsumen
Surplus konsumen adalah suatu keuntungan lebih
atau surplus yang dinikmati konsumen,
berkenaan dengan tingkat harga pasar suatu
barang.
Fungsi permintaan P=f(Q) jumlah barang
yang akan dibeli pada harga tertentu.
Besarnya surplus konsumen :

 Qe
Csf(
Q)
dQQP
ee
0

Atau
 f(
Cs P)dP p
^
Pe
Contoh kasus :
Fungsi permintaan suatu barang
ditunjukkan oleh persamaan Q = 48
– 0.03 P2. Hitunglah surplus
konsumen jika tingkat harga pasar
adalah 30.
 Jawab

Q = 48 – 0,03 P2 Jika Q = 0, P = 40 = Pˆ

Jika P = 0, Q = 48 P = 30, Q = Qe = 21

 p^f(P  40
)dP 0
(48 .03
P2
)dP
Pe 30

Cs 
48
P0
.01
P  3 40
30

48 )0
(40 .01 )  48
(40 )0
(30 .01 )
3
(30 3

(1920
640
)(1440
270
)110
.
2. Surplus Produsen
Adalah suatu keuntungan yang dinikmati produsen
berkenaan dengan tingkat harga pasar dari barang
yanng ditawarkannya.
Besarnya surplus produsen :

 f
Qe
Cs
Q
P
ee (Q)
dQ
Atau 0

 f(
Ps P)dP P
e

P
^
Contoh Kasus
Seseorang produsen mempunyai fungsi penawaran P =
0,50Q + 3. Berapa surplus produsen itu bila tingkat
keseimbangan di pasar adalah 10?
Jawab :

P = 0,50Q + 3 Q = -6 + 2P
P=0 Q = -6
Q=0 P = 3 = P^
Pe = 10 Qe = 14
QeP   f (Q)dQ
Qe
e
0

(14
)( ) 14(0,50
10 Q3)dQ
0

140 
 0,25
Q 3Q02

14

0,25
140 (14
) 2
3(14  
)  0,25 
(0)2 3(0)
14091
0
49
.
Trimakasih
6s-152 Linear Programming

Operations Management

William J. Stevenson

8th edition
6s-153 Linear Programming

LINEAR PROGRAMMING

suatu model umum yang dapat digunakan

dalam pemecahan masalah pengalokasian
sumber-sumber yang terbatas secara optimal.
Masalah tersebut timbul apabila seseorang
diharuskan untuk memilih atau menentukan
tingkat setiap kegiatan yang akan dilakukannya,
dimana masing-masing kegiatan membutuhkan
sumber yang sama sedangkan jumlahnya
terbatas
6s-154 Linear Programming

Dalam model LP dikenal 2 (dua) macam “fungsi”,

1. Fungsi tujuan adalah fungsi yang menggambarkan

tujuan sasaran di dalam permasalahan LP yang
berkaitan dengan pengaturan secara optimal
sumberdaya-sumberdaya, untuk memperoleh
keuntungan maksimal atau biaya minimal. Pada
umumnya nilai yang akan dioptimalkan dinyatakan
sebagai Z.
2. Fungsi batasan merupakan bentuk penyajian secara
matematis batasan-batasan kapasitas yang tersedia
yang akan dialokasikan secara optimal ke berbagai
kegiatan.
6s-155 Linear Programming

MODEL LP
Kegiatan Pemakaian sumber per unit Kapasitas
Sumber Kegiatan (keluaran) Sumber
1 2 3 …. n

1 a11 a12 a13 …. a1n b1

2 a21 a22 a23 …. a2n b2
3 a31 a32 a33 …. a3n b3
… … … … … …
m am1 am2 am3 …. amn bm
ΔZ pertambahan
C1 C2 C3 Cn
tiap unit
Tingkat kegiatan X1 X2 X3 Xn

Model Matematis???
6s-156 Linear Programming

Model Matematis
· Fungsi tujuan:
· Maksimumkan Z = C1X1+ C2X2+ C3X3+ ….+ CnXn
· Batasan :
1.a11X11+ a12X2 + a13X3 + ….+ a1nXn ≤ b1
2.a21X11+ a22X2 + a33X3 + ….+ a2nXn ≤ b1
…..

m.am1X11+ am2X2 + am3X3 + ….+ amnXn ≤ bm

dan
X1 ≥ 0, X2 ≥ 0, ………. Xn ≥ 0
 6s-157 Linear Programming

Asumsi-asumsi Dasar
Linear Programming

1. Proportionality
naik turunnya nilai Z dan penggunaan sumber atau
fasilitas yang tersedia akan berubah secara sebanding
(proportional) dengan perubahan tingkat kegiatan
2. Additivity
nilai tujuan tiap kegiatan tidak saling mempengaruhi, atau
dalam LP dianggap bahwa kenaikan dari nilai tujuan (Z)
yang diakibatkan oleh kenaikan suatu kegiatan dapat
ditambahkan tanpa mempengaruhi bagian nilai Z yang
diperoleh dari kegiatan lain
 6s-158 Linear Programming

Asumsi-asumsi Dasar
Linear Programming

3. Divisibility
keluaran (output) yang dihasilkan oleh setiap kegiatan
dapat berupa bilangan pecahan. Demikian pula dengan
nilai Z yang dihasilkan
4. Deterministic (Certainty)
Asumsi ini menyatakan bahwa semua parameter yang
terdapat dalam model LP (aij, bi Cj) dapat diperkirakan
dengan pasti, meskipun jarang dengan tepat
6s-159 Linear Programming

LINEAR PROGRAMMING DENGAN METODE GRAFIK

Contoh
Perusahaan sepatu membuat 2 macam sepatu. Yang pertama merek I1, dgn
sol karet, dan merek I2 dgn sol kulit. Diperlukan 3 macam mesin. Mesin 1
membuat sol karet, mesin 2 membuat sol kulit, dan mesin 3 membuat
bagian atas sepatu dan melakukan assembling bagian atas dengan sol.
Setiap lusin sepatu merek I1 mula-mula dikerjakan di mesin 1 selama 2
jam, kemudian tanpa melalui mesin 2 terus dikerjakan di mesin 3 selama
6 jam. Sedang untuk sepatu merek I2 tidak diproses di mesin 1, tetapi
pertama kali dikerjakan di mesin 2 selama 3 jam kemudian di mesin 3
selama 5 jam. Jam kerja maksimum setiap hari mesin 1 adalah 8 jam,
mesin 2 adalah 15 jam, dan mesin 3 adalah 30 jam. Sumbangan terhadap
laba setiap lusin sepatu merek I1 = Rp 30.000,00 sedang merek I2 = Rp
50.000,00. Masalahnya adalah menentukan berapa lusin sebaiknya sepatu
merek I1 dan merek I2 yang dibuat agar bisa memaksimumkan laba.
6s-160 Linear Programming

Bentuk Tabel

Merek I1 I2 Kapasitas
Mesin (X1) (X2) Maksimum
1 2 0 8
2 0 3 15
3 6 5 30
Sumbangan laba 3 5
6s-161 Linear Programming

Bentuk Matematis
· Maksimumkan Z = 3X1 + 5X2
· Batasan (constrain)
(1) 2X1 8
(2) 3X2  15
(3) 6X1 + 5X2  30
6s-162 Linear Programming

Fungsi batasan pertama (2 X1  8)

X2

2X1 = 8
2X1  8 dan X1
 0, X2  0

0 4 X1

Gambar di atas merupakan bagian yang

memenuhi batasan-batasan:
X1  0, X2  0 dan 2X1  8
6s-163 Linear Programming
Fungsi batasan (2 X1  8); 3X2  15;
6X1 + 5X2  30; X1  0 dan X2  0

X2
6X1 + 5X2 = 30 2X1 = 8

6
D C
5 3X2 = 15

Daerah
feasible

A
0 4 5 X1
6s-164 Linear Programming

MENCARI KOMBINASI YANG OPTIMUM

1. Dengan menggambarkan fungsi tujuan

X2
6X1 + 5X2 = 30 2X1 = 8

3X1 + 5X2 = 20 6
10 = 3X1 + 5X2 D C
5 3X2 = 15

4 Daerah
feasible

A
0 4 5 X1
6s-165 Linear Programming
MENCARI KOMBINASI YANG OPTIMUM
2. Dengan membandingkan nilai Z pada tiap-tiap alternatif
Z = 3X1 + 5X2

X2
6X1 + 5X2 = 30 2X1 = 8
Titik C:
X2 = 5. Substitusikan batasan (3),
Titik D: maka 6X1 + 5(5) = 30.
Pada titik ini nilai 6 Jadi nilai X1 = (30 –25)/6 = 5/6.
Nilai Z = 3(5/6) + 5(5) = 27,5
X2 = 5; X1 = 0 D C
5 3X2 = 15
Nilai Z = 3(0) + 5(5) = 25

Titik A:
Titik B: Daerah Pada titik ini nilai
X1 = 4. Substitusikan batasan feasible
X1 = 4; X2 = 0
(3), maka 6(4) + 5X2 = 30. Nilai Z = 3(4) + 0 = 12
Jadi nilai X2 = (30 –24)/5 = 6/5. B
Nilai Z = 3(4) + 5(6/5) =18
A
0 4 5 X1
6s-166 Linear Programming

Fungsi batasan bertanda “lebih besar atau sama dengan (  )

Contoh :
Batasan ketiga (6X1 + 5X2 
30) diubah ketidaksamaannya
X2 menjadi 6X1 + 5X2  30
6X1 + 5X2 = 30 2X2 = 8

6
C B 3X2 = 15
5 Daerah
feasible

0 4 5 X1
6s-167 Linear Programming

Fungsi batasan bertanda “sama dengan” ( = )

X2
6X1 + 5X2 = 30 2X2 = 8

6
C B 3X2 = 15
4

2
A

0 4 5 X1
PROGRAM LINIER :
SOLUSI SIMPLEKS

(Memaksimalkan Z, dengan batasan <)

Metode Simpleks

Merupakan metode yang umum

digunakan untuk menyelesaikan
seluruh problem program linier,
baik yang melibatkan dua variabel
keputusan maupun lebih dari dua
variabel keputusan.
 Metode simpleks pertama kali diperkenalkan
oleh George B. Dantzig pada tahun 1947 dan
telah diperbaiki oleh beberapa ahli lain.
 Metode penyelesaian dari metode simpleks
ini melalui perhitungan ulang (iteration)
dimana langkah-langkah perhitungan yang
sama diulang-ulang sebelum solusi optimal
diperoleh
Penyelesaian Dengan Metode Simpleks

 Syarat :
 Model program linier ( Canonical
form) harus dirubah dulu kedalam
suatu bentuk umum yang dinamakan
”bentuk baku” (standard form).
Ciri-ciri dari bentuk baku model
program linier
 Semua fungsi kendala/pembatas berupa
persamaan dengan sisi kanan non-negatif.
 Semua variabel keputusan non-negatif.
 Fungsi tujuan dapat memaksimumkan
maupun meminimumkan
dapat dituliskan :
 Fungsi tujuan :
Maks / Min Z = CX
 Fungsi pembatas :
AX = b
X>0
Perlu diperhatikan :
 Bahwa metode simpleks hanya bisa
dipakai (diaplikasikan) pada bentuk
standar, sehingga kalau tidak dalam
bentuk standar harus ditransformasikan
dulu menjadi bentuk standar.
Untuk memudahkan melakukan transformasi ke bentuk
standar, beberapa hal yang perlu diperhatikan :

 Fungsi Pembatas
 Suatu fungsi pembatas yang mempunyai
tanda < diubah menjadi suatu bentuk
persamaan (bentuk standar) dengan cara
menambahkan suatu variabel baru yang
dinamakan slack variable (variabel
pengurang).
 Fungsi Tujuan
 Dengan adanya slack variable pada fungsi
pembatas, maka fungsi tujuan juga harus
disesuaikan dengan memasukkan unsur slack
variable ini.
 Karena slack variable tidak mempunyai
kontribusi apa-apa terhadap fungsi tujuan,
maka konstanta untuk slack variable tersebut
dituliskan nol.
Contoh 1 :

 Fungsi tujuan :
Maks Z = 4 X1 + 5 X2
 Fungsi pembatas :
X1 + 2 X2 < 40
4 X1 + 3 X2 < 120
X1 , X2 > 0
Rubahlah menjadi bentuk standar.
Untuk merubah menjadi bentuk standar, maka harus
menambahkan slack variable, menjadi :
X1 + 2 X2 < 40  X1 + 2 X2 + S1 = 40
4 X1 + 3 X2 < 120  4 X1 + 3 X2 + S2 = 120

Setelah ditambahkan slack variable, maka fungsi tujuan

menjadi :
Maks Z = 4 X1 + 5 X2 + 0 S1 + 0 S2
Contoh 2 :
 Fungsi tujuan :
Maks Z = 60 X1 + 30 X2 +20 X3
 Fungsi pembatas :
8 X1 + 6 X2 + X3 < 48
4 X1 + 2 X2 < 20
2 X1 + 1,5 X2 + 1,5 X3 < 8
X2 < 5
X1 , X2 , X3 > 0
dengan menambahkan slack variable, menjadi :
8 X1 + 6 X2 + X3 < 48  8 X1 + 6 X2 + X3 + S1 = 48
4 X1 + 2 X2 < 20  4 X1 + 2 X2 + S2 = 20
2 X1 + 1,5 X2 + 1,5 X3 < 8
2 X1 + 1,5 X2 + 1,5 X3 + S3 = 8
X2 < 5  X2 + S4 = 5

Setelah ditambahkan slack variable, maka fungsi tujuan

menjadi :
Maks Z = 4 X1 + 5 X2 + 0 S1 + 0 S2 + + 0 S3 + 0 S4
Contoh 3 :
 Fungsi tujuan :
Min Z = 2 X1 - 3 X2
 Fungsi pembatas :
X1 + X2 < 4
X1 - X2 < 6
X1 , X2 > 0
dengan menambahkan slack variable, menjadi:
X1 + X2 < 4  X1 + X2 + S1 = 4
X1 - X2 < 6  X1 - X2 + S2 = 6

Setelah ditambahkan slack variable, maka

fungsi tujuan menjadi :
Min Z = 2 X1 - 3 X2 + 0 S1 + 0 S2
Metode dan Tabel Simpleks

 Setelah fungsi batasan dirubah ke dalam

bentuk persamaan (bentuk standar), maka
untuk menyelesaikan masalah program linier
dengan metode simpleks dibutuhkan matriks
A yang berisi variabel basis dan variabel non-
basis.
 pada contoh 1, diperoleh matriks A yaitu:

1 2 1 0
4 3 0 1
 
 Variabel basis adalah S1 dan S2, sedangkan
variabel non-basis adalah variabel X1 dan
variabel X2
 Matriks basis biasanya dinyatakan dengan
BFS (Basis Feasible Solution), dan dituliskan
dengan matriks B ( matriks identitas) yaitu :

1 0 
0 1 
 
Tabel Simpleks
 Langkah-langkah penyelesaian dalam
metode simpleks adalah dengan
menggunakan suatu kerangka tabel yang
disebut dengan tabel simpleks.
 Tabel ini mengatur model ke dalam suatu
bentuk yang memungkinkan untuk penerapan
penghitungan matematis menjadi lebih
mudah
Contoh bentuk tabel simpleks

cj Variabel 4 5 0 0

Basis Kuantitas X1 X2 S1 S2

0 S1 40 1 2 1 0
0 S2 120 4 3 0 1
zj 0 0 0 0 0
cj - zj 4 5 0 0
Langkah-langkah metode simpleks
 Mengubah bentuk batasan model
pertidaksamaan menjadi persamaan.
 Membentuk tabel awal untuk solusi feasible
dasar pada titik orijin dan menghitung nilai-
nilai baris zj dan cj – zj.
 Menentukan kolom pivot (kolom pemutar)
dengan cara memilih kolom yang memiliki
nilai positif terbesar pada baris cj – zj. Kolom
pivot ini digunakan untuk menentukan
variabel non-basis yang akan masuk ke
dalam variabel basis.
 Menentukan baris pivot (baris pemutar) dengan cara
membagi nilai-nilai pada kolom kuantitas dengan
nilai-nilai pada kolom pivot, kemudian memilih baris
dengan hasil bagi yang non-negatif terkecil. Baris
pivot ini digunakan untuk menentukan variabel basis
yang akan keluar dari variabel basis.
 Perpotongan antara kolom pivot dan baris pivot
diperoleh nilai pivot.
 Mengubah nilai baris pivot yang baru dengan cara :
nilai
baris
pivot
lama

nilai
baris
pivot
baru
nilai
pivot

Sehingga pada tabel baru, nilai pivot menjadi 1.

 Menghitung nilai baris lainnya dengan cara :

nilai
baris
nilai
baris
koef
kolom
pivot
nila
bar
pi

 
  

tabel
baru
tabel
lama
yg
berhu
ntabe
bar
yg
ben


 Menghitung baris-baris zj dan cj – zj.

 Menentukan apakah solusi telah optimal dengan cara

mengecek baris cj – zj. Jika nilai cj – zj adalah nol atau

negatif, maka solusi telah optimal. Tetapi jika masih
terdapat nilai positif, maka kembali ke langkah c dan
mengulangi kembali langkah-langkah selanjutnya.
Contoh 1:
 Fungsi tujuan :
Maks Z = 4 X1 + 5 X2
 Fungsi pembatas :
X1 + 2 X2 < 40
4 X1 + 3 X2 < 120
X1 , X2 > 0
Selesaikan dengan metode simpleks
Contoh 2:
 Fungsi tujuan :
Maks Z = 60 X1 + 30 X2 + 20 X3
 Fungsi pembatas :
8 X1 + 6 X2 + X3 < 48
4 X1 + 2 X2 < 20
2 X1 + 1,5 X2 + 1,5 X3 < 8
X2 < 5
X1 , X2 , X3 > 0
Selesaikan dengan metode simpleks
Metode Simpleks (Big-
M)

 (Meminimalkan Z, dengan batasan >)

 (Masalah Batasan Campuran)
Pertemuan 4
Aturan yang dapat digunakan untuk
memudahkan penyelesaian:

Penyesuaian fungsi Koefisien fungsi tujuan

Batasan batasan
Maksimisasi Minimisasi

< Tambah slack variabel 0 0

= Tambah artificial -M M
variabel
> Kurang slack variabel 0 0
Dan tambah artificial -M M
variabel
Contoh 3:
 Fungsi tujuan :
Min Z = 6X1 + 3 X2
 Fungsi pembatas :
2 X1 + 4X2 > 16
4 X1 + 3 X2 > 24
X1 , X2 > 0
Selesaikan dengan metode simpleks
Contoh 4:

 Fungsi tujuan :
Maks Z = 400 X1 + 200 X2
 Fungsi pembatas :
X1 + X2 = 30
2 X1 + 8 X2 > 80
X1 < 20
X1 , X2 > 0
Selesaikan dengan metode simpleks
Masalah Jenis Program Linier yang Tidak Teratur
(Iregular), a.l. :

 Masalah solusi optimal majemuk (Multiple Optimal

Solution)
 Masalah tidak layak (tidak feasible)
 Masalah solusi tidak terbatas
 Masalah dengan kolom pivot dan baris pivot yang
sama (seri)
 Masalah dengan batasan yang mempunyai nilai
kuantitas negatif
Masalah solusi optimal majemuk
(Multiple Optimal Solution) :

 Masalah ini akan ditemui jika fungsi tujuan

sejajar dengan fungsi batasan.

 Sebagai contoh, dipunyai model program linier

sbb. :
Fungsi tujuan : Maks Z = 4 X1 + 3 X2
Fungsi pembatas :
X1 + 2 X2 < 40
4 X1 + 3 X2 < 120
X1 , X2 > 0
 Diperoleh tabel optimal sbb. :

cj Variabel   4 3 0 0

  Basis Kuantitas X1 X2 S1 S2

0 S1 10 0 5/4 1 -1/4
4 X1 30 1 3/4 0 1/4
  zj 120 4 3 0 1
  cj - zj   0 0 0 -1
 Pada tabel optimal terlihat bahwa nilai pada baris
cj - zj < 0 , dan diperoleh solusi optimal X2 = 0 , X1
= 30, dan Z = 120.
 Pada tabel optimal terlihat bahwa variabel X 2,
bukan merupakan variabel basis tetapi pada baris
cj – zj mempunyai nilai nol.
 Hal ini mengindikasikan bahwa solusi optimal
yang diperoleh lebih dari satu dan biasa disebut
sebagai masalah solusi optimal majemuk (Multiple
Optimal Solution).
 Untuk mengetahui solusi optimal yang lain,
adalah dengan menganggap variabel X2
menjadi kolom pivot, kemudian cari baris
pivot seperti biasa.
 Pemilihan ini menjadikan baris S1 menjadi
baris pemutar. Setelah itu, proses
penyelesaiannya mengikuti proses
penyelesaian seperti biasa
Masalah tidak layak (tidak feasible)

Sebagai contoh, dipunyai model program linier

sbb. :
Fungsi tujuan : Maks Z = 5 X1 + 3 X2
Fungsi pembatas :
4 X1 + 2 X2 < 8
X1 > 4
X2 > 6
X1 , X2 > 0
 Diperoleh tabel simpleks optimal, yaitu :

cj Variab   5 3 0 0 0 -M -M
el
  Basis Kuantita X1 X2 S1 S2 S3 A1 A2
s
3 X2 4 2 1 1/2 0 0 0 0

-M A1 4 1 0 0 -1 0 1 0

-M A2 2 -2 0 -1/2 0 -1 0 1

  zj 12-6M 6+M 3 3/2+M/2 M M -M -M

  cj - zj   -1-M 0 -3/2-M/2 -M -M 0 0
 Pada tabel simpleks optimal terlihat bahwa
nilai-nilai pada baris cj-zj < 0, dan diperoleh
solusi X2 = 4 , A1 = 4, dan A2 = 2.
 Karena pada solusi akhir ini masih ada
variabel artifisial (yaitu A1 dan A2), maka
solusi ini tidak mempunyai arti apa-apa,
dengan kata lain, masalah di atas tidak
feasible
Masalah solusi tidak terbatas
Dalam beberapa masalah daerah solusi yang feasible
dibentuk oleh batasan-batasan model yang tidak
tertutup, dimana fungsi tujuan akan naik terus
menerus tidak terbatas tanpa mencapai nilai
maksimum, mengingat fungsi tujuan tidak akan
pernah mencapai batas daerah yang layak (daerah
feasible).

Sebagai contoh :
Fungsi tujuan : Maks Z = 4 X1 + 2 X2
Fungsi pembatas :
X1 > 4
X2 < 2
X1 , X2 > 0
 Diperoleh hasil iterasi 1 adalah:

cj Variab   4 2 0 0  
el
  Basis Kuantit X1 X2 S1 S2 
as
4 X1 4 1 0 -1 0 -
0 S2 2 0 1 0 1 -
  zj 16 4 0 -4 0  
  cj - zj   0 2 4 0  
 Dari tabel iterasi 1 tersebut terlihat bahwa
nilai rasio  bernilai negatif atau nol, sehingga
hal ini mengindikasikan bahwa tidak ada titik
“yang paling dibatasi”.
 Jadi, dapat disimpulkan bahwa masalah ini
mempunyai solusi yang tidak tertutup atau
disebut juga solusi tidak terbatas.
Masalah dengan kolom pivot dan baris
pivot yang sama (seri)
 Kadangkala dalam pemilihan kolom pivot dan
baris pivot terdapat nilai yang sama (seri),
maka untuk menyelesaikannya dipilih salah
satu secara acak.
 Dalam hal ini, tidak ada indikasi sebelumnya
bahwa pemilihan salah satu dari kolom/ baris
pivot memerlukan pengulangan tabel (iterasi)
dan perhitungan yang lebih sedikit dari pada
kolom/baris pivot lainnya.
Masalah dengan batasan yang mempunyai
nilai kuantitas negatif
 Misalnya dipunyai fungsi batasan sbb. :
-6 X1 + 2 X2 > -30
 Masalah seperti ini dapat diatasi dengan cara
mengalikan pertidaksamaan tersebut dengan
-1, menjadi :
(-1) . (-6 X1 + 2 X2 > -30)
6 X1 - 2 X2 < 30