Penelitian Operasional 1

IND 2443
Volume 1 --- Linear Programming dan Metode Simpleks

Yosephine Suharyanti

Program Studi Teknik Industri

Universitas Atma Jaya Yogyakarta
2011

1
Algoritma Simpleks dengan
Variabel Artifisial
• Ada penambahan variabel artifisial untuk memperoleh
solusi basis awal
• Untuk kasus dengan kendala bertanda  atau = (tidak
ada variabel slack)
• Biasanya (tidak selalu) terjadi pada kasus minimasi
• Pada solusi optimum, variabel artifisial harus hilang
(bernilai 0)
• Ada dua metode:
– Metode Big-M
– Metode Dua Fase

2
Metode Dua Fase (1)
• Iterasi manual dengan Big-M rawan error
• Metode Dua Fase  untuk memperkecil
akumulasi error tersebut
• Fase I
– mencari solusi basis awal
– dimulai dari variabel artifisial, sampai semua variabel
artifisial bernilai 0
• Fase II
– mencari solusi optimum
– dengan solusi awal dari solusi akhir Fase I
– tanpa menyertakan variabel artifisial
3
Metode Dua Fase (2)
Fase I
1. Tambahkan variabel artifisial sesuai kebutuhan.
2. Tetapkan fungsi tujuan: Minimasi r =  R.
3. Revisi baris r agar konsisten.
4. Lakukan iterasi Simpleks. Jika di akhir iterasi r > 0 
tak ada solusi layak  Fase II Langkah 3. Sebaliknya
 awal Fase II.

Fase II
1. Gunakan tabel optimum dan solusi Fase I sebagai
tabel awal dan solusi basis awal.
2. Lakukan iterasi Simpleks. Jika solusi optimum 
Langkah 3.
3. Selesai.
4
 Metode Dua Fase (3)
Model awal
Minimasi z = 4x1 + x2
Kendala: 3x1 + x2 = 3
4x1 + 3x2  6
x1 + 2x2  4
x 1, x 2,  0

Fase I
Minimasi r = R1 + R2 Iterasi Simpleks
Kendala: 3x1 + x2 + R1 =3 untuk mencari
4x1 + 3x2 – s1 + R2 =6 solusi basis
x1 + 2x2 + s2 = 4 awal
x1, x2, s1, s2, R1, R2  0
5
Metode Dua Fase (4)
Fase I Iterasi 0
Basic r x1 x2 s1 R1 R2 s2 Solution
r 1 0 0 0 –1 –1 0 0
R1 0 3 1 0 1 0 0 3
R2 0 4 3 –1 0 1 0 6
s2 0 1 2 0 0 0 1 4
Solusi basis awal
 Variabel basis: unik, koef. ruas kiri = 1  (R , R , s ) = (3, 6, 4)
1 2 2

Revisi baris r
 Nilai r = 0 tidak konsisten dg nilai solusi basis, seharusnya r = 9

 Sebagai variabel basis, koefisien R1 dan R2 pada baris r harus = 0

 Revisi  baris r baru = baris r lama + (baris R1 + baris R2)

6
Metode Dua Fase (5)
Fase I Iterasi 0
Basic r x1 x2 s1 R1 R2 s2 Solution Rasio
r 1 7 4 –1 0 0 0 9
R1 0 3 1 0 1 0 0 3 1
R2 0 4 3 –1 0 1 0 6 3/2

s2 0 1 2 0 0 0 1 4 4
Evaluasi optimalitas:
 Kasus minimasi  optimum jika semua koef. baris r  0
 Pada tahap ini koefisien x dan x > 0  belum optimum
1 2

Entering dan leaving variable:

 Entering: x karena punya koefisien paling positif
1
 Leaving: R karena memiliki rasio non negatif terendah
1

7
Metode Dua Fase (6)
Dan seterusnya, solusi Fase I didapat pada iterasi 2
Basic r x1 x2 s1 R1 R2 s2 Solution
r 1 0 0 0 –1 –1 0 0
x1 0 1 0 1/5 3/5 – 1/5 0 3/5
x2 0 0 1 – 3/5 – 4/5 3/5 0 6/5
s2 0 0 0 1 1 –1 1 1

Fase II : Minimasi z = 4x1 + x2

Kendala: x1 + (1/5)s1 = 3/5
 Fungsi tujuan
dari model awal x2 – (3/5)s1 = 6/5
 Kendala dari s1 + s 2 = 1
solusi Fase I, x1, x2, s1, s2  0
tanpa R
Teruskan dan bandingkan dengan hasil Big-M
8