PERTEMUAN III

Metode Simpleks
Definisi Metode Simpleks
Prosedur aljabar yang bersifat iteratif, dimulai dari
titik ekstrem yang feasible sampai dengan titik
ekstrem yang optimal.
Jumlah iterasi tidak akan lebih dari:
n
c m
= n! / ( n-m)! m!

n = jumlah variabel ; m = jumlah batasan

 Tujuan
1. Memberikan interpretasi ekonomi
2. Menerjemahkan definisi geometris dari titik
ekstrim menjadi definisi aljabar
 Pengembangan M. Simpleks
Jenis-Jenis Metode Simpleks:
 Algoritma Simpleks Primal
 Algoritma Simpleks Dual
 Pengembangan M. Simpleks
(cont’d)
Beberapa batasan dalam LP:
≤, ≥, =
Definisi:
1. Solusi basis : solusi dimana terdapat variabel
bukan nol. Untuk mendapat solusi basis dari LP,
maka beberapa variabel di-nol-kan.
Variabel yang di nol-kan disebut NonBasis variabel
(NBV). LP dengan n variabel dan jumlah
persamaan batasan m, maka jumlah (NBV) = n-m.
 Definisi (cont’d)
2. Solusi basis feasible: jika solusi basis
berharga non negatif (-).
Titik Optimum
 Batasan
1. Variabel dengan batasan ≤, ≥, dapat
dikonversi menjadi sebuah persamaan
dengan (+) variabel slack atau (-) variabel
surplus ke sisi kiri batasan tersebut.
Contoh:
• x1 + 2x2 ≤ 6 
x1 + 2x2 + s1 = 6 , s1 ≥ 0
• 3x1 + 2x2 - 3x3 ≥ 5 
3x1 + 2x2 - 3x3 – s2 = 5 , s2 ≥ 0
 Batasan (Cont’d)
2. Sisi kanan sebuah persamaan dapat dibuat
selalu nonnegatif dengan mengalikan kedua
sisi dengan -1.
Contoh:
2x1 + 3x2 - 7x3 = - 5
- 2x1 - 3x2 + 7x3 = 5
 Batasan (Cont’d)
3. Arah pertidaksamaan dibalik ketika kedua
sisi dikalikan dengan -1.
Contoh:
2x1 – x2 ≤ -5
- 2x1 + x2 ≥ 5
 Solusi Dasar
Dalam LP terdapat dua solusi:
• Jika solusi awal Layak (feasible)
simpleks primal
• Jika solusi awal  Tidak Layak (infeasible) 

simpleks dual  sampai tercipta solusi yang

layak.
Metode Simpleks Primal
Berawal dari solusi dasar yang layak (titik
ekstrim) dan berlanjut berulang melalui
pemecahan dasar yang layak berikutnya
sampai titik optimal dicapai.
 Langkah Metode Simpleks untuk
Maksimasi
1. Konversikan formulasi persoalan ke dalam bentuk
standar
2. Cari Solusi Basis Feasible (BFS)
3. Jika seluruh NBV pada fungsi tujuan memiliki koefisien
non (-), maka BFS sudah optimal. Jika ada koefisien
(-), pilih salah satu variabel yang memiliki koefisien
paling (-). Variabel ini  Entering Variabel (EV)
4. Hitung rasio dari (Ruas kanan / Koefisien EV) pada
setiap baris pembatas. Pilih nilai terkecil, variabel ini 
Leaving Variabel (LV). Gunakan metode Gauss-Jordan
untuk operasi baris elementer (ERO). Kembali ke
langkah 3.
 Contoh Simpleks Primal
Kasus RM:
Max z = 3xE + 2x I
Batasan
xE + 2x I ≤ 6
2xE + x I ≤ 8
-xE + x I ≤ 1
xI≤ 2
xE , x I ≥ 0
 Contoh Simpleks Primal
(cont’d)
Langkah 1 : Konversi ke bentuk standar
Max z = 3xE + 2x I+ 0s1+ 0s2+ 0s3+ 0s4
Batasan
xE + 2x I+ s1 =6
2xE + x I + 1s2 =8
-xE + x I + s3 =1
xI + s4 =2
xE , x I, s1, s2, s3, s4 ≥ 0
 Contoh Simpleks Primal (Cont’d)
Langkah 2 : Tentukan BFS
Model diatas memiliki:
m = 4 persamaan & n = 6 variabel
Jumlah NBV = 6 – 4 = 2 varibel.
BV = (s1, s2, s3, s4) ; NBV = ( xE , x I)
BFS – nya adalah : s1 = 6, s2 = 8, s3 = 1, s4 = 2 , dan
xE = x I = 0  diperoleh solusi yang layak
Solusi dasar ini mewakili starting solution atau iterasi
awal Simpleks Primal
 Contoh Simpleks Primal (Cont’d)
Langkah 3 : Pemilihan Entering Variabel
Fungsi Tujuan
z - 3xE - 2xI = 0
Kenaikan 1 unit xE  z naik 3 kali
Kenaikan 1 unit xI  z naik 2 kali
Untuk mengoptimalkan hasil, dengan iterasi yang
sedikit mungkin, maka dipilih xE sebagai entering var
 Contoh Simpleks Primal (Cont’d)
Langkah 4: Hitung Rasio untuk memilih Leaving
Variable
Solusi dasar diperoleh dengan memasukkan entering
variable terhadap basis variable. Basis variable yang
dikeluarkan disebut leaving variable
xE = entering variable dan s2 = leaving variable
Dipilih s2 karena merupakan titik potong terkecil (rasio terkecil
)
Rasio s1 = 6/1 = 6
Rasio s2 = 8/2 = 4
 Contoh: Model RM
Entering Column (Kolom Masuk)

BV z xE xI s1 s2 s3 s4 Solusi

z 1 -3 -2 0 0 0 0 0
s1 0 1 2 1 0 0 0 6
s2 0 2 1 0 1 0 0 8
s3 0 -1 1 0 0 1 0 1
s4 0 0 1 0 0 0 1 2

Elemen Pivot

Baris s2  persamaan pivot

 Metode Gauss Jordan
Menggunakan 2 jenis perhitungan:
1. Persamaan pivot
Pivot baru = Pivot lama ÷ elemen pivot
2. Persamaan baru
Pers. Baru = pers. Lama – (koefisien Entering
Column) * Pivot baru
 Persamaan Pivot
Basis z xE xI s1 s2 s3 s4 Solusi

z
s1
xE 0 1 1/2 0 1/2 0 0 8/2 = 4
s3
s4
 Model RM (cont’d)
Untuk melengkapi tabel diatas, maka dapat dilakukan
perhitungan sebagai berikut:
Persamaan z:
Pers. z lama : (1 -3 -2 0 0 0 0 0 )
-(-3)* Pers. Pivot baru : (0 3 3/2 0 3/2 0 0
12 )
Pers. z baru : (1 0 -1/2 0 3/2 0 0 12 )
 Model RM (cont’d)
Persamaan s1:
Pers. s1 lama : (0 1 2 1 0 0 0 6)
-(1)* Pers. Pivot baru : (0 -1 -1/2 0 -1/2 0 0 -4 )
Pers. s1 baru : (0 0 3/2 1 -1/2 0 0 2)
Persamaan s3 :
Pers. s3 lama : (0 -1 1 0 0 1 0 1 )
-(-1)* Pers. Pivot baru : (0 1 1/2 0 1/2 0 0 4 )
Pers. z baru : (0 0 3/2 0 1/2 1 0 5 )
 Model RM (cont’d)
 Persamaan s4
Sama dengan persamaan S4 lama karena koefisien
Entering Column-nya = 0.
 Iterasi 1
Basis z xE xI s1 s2 s3 s4 Solusi

z 1 0 -1/2 0 3/2 0 0 12

s1 0 0 3/2 1 -1/2 0 0 2
xE 0 1 1/2 0 1/2 0 0 4
s3 0 0 3/2 0 1/2 1 0 5
s4 0 0 1 0 0 0 1 2
 Iterasi 2
Basis z xE xI s1 s2 s3 s4 Solusi

z 1 0 0 1/3 4/3 0 0 122/3

xI 0 0 1 2/3 -1/3 0 0 4/3

xE 0 1 0 -1/3 2/3 0 0 10/3
s3 0 0 0 -1 1 1 0 3
s4 0 0 0 -2/3 1/3 0 1 2/3

xE = 31/3 ; xI = 11/3 ; z = 122/3

Tak satupun dari variabel non dasar memiliki koefisien
negatif dalam z  solusi optimal
 Algoritma Simpleks untuk Minimasi
Untuk menyelesaikan persoalan LP dengan tujuan
meminimumkan Z, ada 2 cara yang dapat dilakukan,
yaitu:
1. Mengubah Fungsi tujuan dan persamaannya, kemudian
menyelesaikannya sebagai persoalan maksimasi.
2. Jika seluruh NBV (Non Basis Variabel) memiliki
koefisien yang berharga nonpositif ( (-) atau 0), maka
BFS sudah optimal. Jika pada baris 0 masih ada
variabel dengan koefisien (+), pilih variabel tersebut
menjadi EV.
 Contoh Simpleks Minimasi
Min z = 2x1 - 3x 2
Batasan:
x1 + x 2 ≤ 4
x1 - x 2 ≤ 6
x1 , x 2 ≥0
Jika dilakukan cara I, maka fungsi tujuan akan berubah
menjadi :
Max -z = -2x1 + 3x 2
Dengan seluruh batasan tidak berubah, persoalan dapat
diselesaikan sebagai persoalan maksimasi.
 Contoh Simpleks Minimasi
(cont’d)
Jika dilakukan cara II maka akan diperoleh sbb:
Iterasi 0

Basis z x1 x2 s1 s2 Solusi

z 1 -2 3 0 0 0
s1 0 1 1 1 0 4
s2 0 1 -1 0 1 6
 Contoh Simpleks Minimasi
(cont’d)
Iterasi 1

Basis z x1 x2 s1 s2 Solusi
z 1 -5 0 -3 0 -12
x2 0 1 1 1 0 4
s2 0 2 0 1 1 10

Solusi Optimal: x1 = 0 ; x2 = 4 ; z = -12

 Pertanyaan
Max z = 60x1 + 30x 2+ 20x 3
Batasan
8x1 + 6x2+ x3 ≤ 48
4x1 + 2x2+ 1.5x3 ≤ 20
2x1 + 1.5x2+ 0.5x3 ≤ 8
x2 ≤ 5
x1, x2, x3 ≥ 0
 Pertanyaan (cont’d)
 Konversikan persamaan diatas dalam bentuk
standar
 Tentukan BFS (Basic Feasible Solution)
 Tentukan variabel non basis
 Tentukan solusinya dengan:
- Metode Gauss Jordan
- Bandingkan hasilnya dengan menggunakan TORA