OPERATIONAL RESEARCH 1

- Metode Simplex (Min. Problem)

DEWA KUSUMA WIJAYA, S.T., M.SC.

Capaian Pembelajaran

 Mahasiswa mampu memahami karakteristik metode Simplex di

dalam Linier Programming serta mampu menyelesaikan
permasalahan linier dengan metoda Simplex untuk problem
minimasi
Metode Simplex
Problem Minimasi
Struktur Problem Solving

III.
PROBLEM I. STRUKTUR II. FORMULASI
OPTIMASI?
AKTUAL PENYELESAIAN MODEL
SIMULASI?
Model Linier Programming

Model Linier Programming memiliki beberapa karakteristik, sbb;

1. Memiliki Variabel Keputusan (Decission Variable)
2. Memiliki Parameter Fungsi
3. Memiliki Fungsi Objektif / Fungsi Tujuan (Objective Function)
 max./min. parameter tujuan
4. Memiliki Batasan (Constraint)  Constraint utama & non
negativity
Karakteristik Metode Simplex

Metode Simplex memiliki syarat penggunaan berikut;

1. Dapat digunakan untuk menyelesaikan permasalahan linier dengan ≥2
variable (idealnya minimal 3 variable)
2. Hanya dapat digunakan untuk 1 (satu) buah fungsi tujuan max. / min.
3. Tidak terbatas pada jumlah constraint
4. Hanya untuk kondisi syarat pembatas constraint “≤”
5. Menggunakan variable “slack” sebagai variable pembantu untuk mengubah
constraint inequal menjadi equal
6. Memiliki constraint non negativity
 Tahapan Penyelesaian Metode Simplex

1. Nyatakan problem LP dalam model matematis Metode Simplex

 Fungsi Tujuan  Max Z = C1 X1 + C2 X2 + C3 X3 + C4 X4 + .............+ Cn Xn
 Batasan 1). a11 X1 + a12 X2 + a13 X3 + .........+ a1n Xn ≤ b1
2). a21 X1 + a22 X2 + a23 X3 + .........+ a1n Xn ≤ b2
3). a31 X1 + a32 X2 + a33 X3 + .........+ a3n Xn ≤ b3
4). a41 X1 + a42 X2 + a43 X3 + .........+ a4n Xn ≤ b4
m). am1 X1 + am2 X2 + am3 X3 +.........+ amn Xn ≤ bm
Xj ≥ 0 , j = 1,2,3…..n bi  0 , i=1,2,…,m
 X  variables; c  objective parameters;
 a  constraints parameters;
 b  right hand side value of constraints
2. Nyatakan persamaan fungsi tujuan dalam bentuk

z  c j j  0
j

Z - C1 X1 + C2 X2 + C3 X3 + C4 X4 + .............+ Cn Xn = 0

3. Rubah semua pertidaksamaan batasan (inequality constrains) ke

dalam bentuk persamaan batasan (equality constrains) dengan
memasukkan variable Slack (S  0 )
contoh
X1+2X2+3X3+4X4  25, bisa ditulis sebagai
X1+2X2+3X3+4X4+S = 25

4. Susun persamaan fungsi tujuan dan persamaan batasan

ke dalam tabel simplex  dihasilkan tabel simplex awal.

5. Setelah data tersusun dalam tabel simplex awal, lakukan

iterasi sehingga dihasilkan titik optimal
Studi Kasus (1)

Minimasi Z= X1 + X2 - 4X3 (0)

Batasan:
X1 + X2 + 2X3  9 (1) Langkah 1. LP sudah dalam bentuk LP standar
X1 + X2 - X3  2 (2)
-X1 + X2 + X3  4 (2)
Langkah 2 dan 3
Fungsi tujuan Z - X1 - X2 + 4X3 =0 (0)
Batasan
X1 + X2 + 2X3 + S1 =9 (1)
X1 + X 2 - X 3 + S2 =2 (2)
-X1 + X2 + X3 + S3 =4 (2)
Studi Kasus (2)
Basic
Coefficient of : Langkah 4 : Menyusun
RHS
Varia Eqt. table simplex awal
ble Z X1 X2 X3 S1 S2 S3 (sol)

Z (0) 1 -1 -1 4 0 0 0 0

S1 (1) 0 1 1 2 1 0 0 9

S2 (2) 0 1 1 -1 0 1 0 2

S3 (3) 0 -1 1 1 0 0 1 4
Basic Variable (Variable dasar) : adalah variable yang nilainya sama dengan sisi kanan dari
persamaan

Pada persamaan (1) dan (2) bila belum ada kegiatan maka X1 = 0
X2 = 0 dan X3 = 0 , sehingga nilai S1 = 9 , S2 = 2 dan S3 = 4

Pada tabel awal diatas nilai Basic variable (S1, S2 dan S3) pada fungsi tujuan harus 0
(nol) karena belum memiliki nilai parameter
Studi Kasus (3)
Langkah 5 : lakukan iterasi sehingga dihasilkan titik optimal

5.1. Menentukan entering variable :

Dicari variabel yang paling sensitif terhadap fungsi tujuan (max Z)
– Dari tabel (baris Z) terlihat bahwa nilai absolut koefisien terbesar adalah “4”, jadi
dipilih variabel X3 sebagai entering variable  (untuk problem max. dipilih nilai
koefisien variabel pada baris Z dengan negatif terbesar sedangkan untuk problem
min. dipilih positif terbesar)
– Kolom X3 disebut pivot column (PC). Untuk problem min. bila pada tabel sudah tidak
mempunyai lagi koefisien yang bernilai positif pada baris fungsi tujuan, maka
tabel ini tidak bisa lagi di optimalkan (sudah optimal & iterasi berhenti).
– Selanjutnya hitung nilai ratio, Nilai kolom RHS dibagi dengan nilai pada pivot
column yang berkesesuaian (variabel dari coloumn koefisien yang terpilih).
5.2. Menentukan Leaving variable:
 ditentukan berdasarkan nilai ratio minimum non negatif,
dipilih S1 sebagai leaving variable. Baris S1disebut Pivot Raw (PR)
Studi Kasus (4) Tabel Simplex 1 (ITERASI 0)

Basic
Coefficient of :
RHS
Varia Eqt. Ratio
ble Z X1 X2 X3 S1 S2 S3 (sol)

Z (0) 1 -1 -1 4 0 0 0 0 0

S1 (1) 0 1 1 2 1 0 0 9 4,5

S2 (2) 0 1 1 -1 0 1 0 2 -2

S3 (3) 0 -1 1 1 0 0 1 4 4
Ratio :
Pivot Pivot Pivot 4/1 = 4
column element Raw minimum

Bila ada dua atau lebih variabel non basis mempunyai koefisien
negatif terbesar yang sama, maka pemilihan entering variable
dapat dijalankan secara bebas.
Studi Kasus (5-1)
Bila ada dua atau lebih variabel basis mempunyai nilai RATIO minimum yang sama, maka
pemilihan leaving variable dapat dijalankan secara bebas.

5.3. Membuat table simplex kedua

A. Bagi semua element pada Pivot Raw (PR) dengan Pivot
Element, sehingga dihasilkan element pivot raw baru & ganti
semua basic variable pada baris itu dengan Variable yang
terdapat diatas pivot column

Basic
Coefficient of :
RHS
Varia Eqt.
ble Z X1 X2 X3 S1 S2 S3 (sol)

Z (0)

S1 (1)

S2 (2)

X3 (3) 0 -1 1 1 0 0 1 4
Studi Kasus (5-2)
B. Hitung nilai element pada baris yang lain (tidak termasuk
element pada Pivot Raw) dengan cara :

Element baris baru = (Element baris lama) – (koeffisien pada

pivot column) x (nilai element baru pivot raw)

Menghitung nilai baru element baris dari Z Koeffisien

pada PC

Element baris lama  Z 1 -1 -1 4 0 0 0 0

element baru pivot raw  X3 0 -1 1 1 0 0 1 4

Element baris baru  Z 1 3 -5 0 0 0 -4 -16

(- 1) – (4)(-1) = 3 (0) – (4)(4) = -16

Studi Kasus (5-3)
Menghitung nilai baru element baris dari S1

Element baris baru = (Element baris lama) – (koeffisien pada

pivot column) x (nilai element baru pivot raw)

Koeffisien
pada PC

Element baris lama  S1 0 1 1 2 1 0 0 9

element baru pivot raw  X3 0 -1 1 1 0 0 1 4

Element baris baru  S1 0 3 -1 0 1 0 -2 1

(1) – (2)(-1) = 3 (9) – (2)(4) = 1

Studi Kasus (5-4)
Menghitung nilai baru element baris dari S2

Element baris baru = (Element baris lama) – (koeffisien pada

pivot column) x (nilai element baru pivot raw)

Koeffisien
Dihasilkan tabel simplex 2 pada PC

Element baris lama  S2 0 1 1 -1 0 1 0 2

element baru pivot raw  X3 0 -1 1 1 0 0 1 4

Element baris baru  S2 0 0 2 0 0 1 1 6

(1) – (-1)(-1) = 0 (2) – (-1)(4) = 6

Studi Kasus (6)
Tabel Simplex 2 (ITERASI 1)

Basic
Coefficient of :
RHS
Varia Eqt.
ble Z X1 X2 X3 S1 S2 S3 (sol)

Z (0) 1 3 -5 0 0 0 -4 -16

S1 (1) 0 3 -1 0 1 0 -2 1

S2 (2) 0 0 2 0 0 1 1 6

X3 (3) 0 -1 1 1 0 0 1 4
Pada baris fungsi tujuan masih ada koefisien berharga positif,
yaitu koefisien variable X1.
 Teruskan proses iterasi, dimulai dari langkah ke 5
Studi Kasus (7)
Langkah 5.1 dan 5.2

Basic
Coefficient of :
RHS
Varia Eqt. Ratio
ble Z X1 X2 X3 S1 S2 S3 (sol)

Z (0) 1 3 -5 0 0 0 -4 -16 -5,33

S1 (1) 0 3 -1 0 1 0 -2 1 0,33

S2 (2) 0 0 2 0 0 1 1 6 0

X3 (3) 0 -1 1 1 0 0 1 4 -4

Ratio :
Pivot Pivot Pivot 1/3 = 0,33
column element Raw minimum
Studi Kasus (8-1)
Langkah 5.3. Membuat table simplex ketiga

• Bagi semua element pada Pivot Raw (PR) dengan Pivot

Element. Dihasilkan element pivot raw baru.
• Gantilah basic variable pada baris itu dengan Variable yang
terdapat diatas pivot column

Basic
Coefficient of :
RHS
Varia Eqt.
ble Z X1 X2 X3 S1 S2 S3 (sol)

Z (0)

X1 (1) 0 1 -1/3 0 1/3 0 -2/3 1/3

S2 (2)

X3 (3)
Studi Kasus (8-2)
• Hitung nilai element pada baris yang lain (tidak
termasuk element Pivot Raw) dengan cara :

Element baris baru = (Element baris lama) – (koeffisien pada

pivot column) x (nilai element baru pivot raw)

Koeffisien
Menghitung nilai baru element baris dari Z pada PC

Element baris lama  Z 1 3 -5 0 0 0 -4 -16

element baru pivot raw  X1 0 1 -1/3 0 1/3 0 -2/3 1/3

Element baris baru  Z 1 0 -4 0 -1 0 -2 -17

(-5) – (3)(-1/3) = -4 (-16) – (3)(1/3) = -17

Studi Kasus (8-3)
Menghitung nilai baru element baris dari S2

Koeffisien
pada PC

Element baris lama  S2 0 0 2 0 0 1 1 6

element baru pivot raw  X1 0 1 -1/3 0 1/3 0 -2/3 1/3

Element baris baru  S2 0 0 2 0 0 1 1 6

(2) – (0)(-1/3) = 2 (6) – (0)(1/3) = 6

Studi Kasus (8-4)
Menghitung nilai baru element baris dari X3

Koeffisien
pada PC

Element baris lama  X3 0 -1 1 1 0 0 1 4

element baru pivot raw  X1 0 1 -1/3 0 1/3 0 -2/3 1/3

Element baris baru  X3 0 0 2/3 1 1/3 0 1/3 13/3

(1) – (-1)(-1/3) = 2/3 (4) – (-1)(1/3) = 13/3

Dihasilkan tabel simplex 3

Studi Kasus (9)
Tabel Simplex 3 (ITERASI 2)

Basic
Coefficient of :
RHS
Varia Eqt.
ble Z X1 X2 X3 S1 S2 S3 (sol)

Z (0) 1 0 -4 0 -1 0 -2 -17

X1 (1) 0 1 -1/3 0 1/3 0 -2/3 1/3

S2 (2) 0 0 2 0 0 1 1 6

X3 (3) 0 0 2/3 1 1/3 0 1/3 13/3

Pada baris fungsi tujuan tidak ada lagi koefisien bernilai
positif, Dihasilkan titik optimal pada X1 = 1/3 , X2 = 0 dan X3 =
13/3 dengan nilai minimum Z = -17.
Studi Kasus (10) Iterasi Penyelesaian

Basic
Coefficient of :
Iterat RHS
ion
Varia Eqt.
ble Z X1 X2 X3 S1 S2 S3 (Sol)

Z (0) 1 -1 -1 4 0 0 0 0
S1 (1) 0 1 1 2 1 0 0 9
0
S2 (2) 0 1 1 -1 0 1 0 2
S3 (3) 0 -1 1 1 0 0 1 4
Z (0) 1 3 -5 0 0 0 -4 -16
S1 (1) 0 3 -1 0 1 0 -2 1
1
S2 (2) 0 0 2 0 0 1 1 6
X3 (3) 0 -1 1 1 0 0 1 4
Z (0) 1 0 -4 0 -1 0 -2 -17
X1 (1) 0 1 -1/3 0 1/3 0 -2/3 1/3
2
S2 (2) 0 0 2 0 0 1 1 6
Kesimpulan (1)

 Metode Simplex lebih ideal digunakan untuk penyelesaian model

matematis untuk jumlah variabel minimal 3, apabila variabel yang
dimiliki berjumlah 2 lebih ideal menggunakan metode Grafis
 Metode Simplex memiliki keterbatasan penyelesaian model
matematis dengan syarat pembatas constraint adalah “≤”
 Kalkulasi penyelesaian metode Simplex berupa siklus iterasi
dimana menentukan entering & leaving variabel terlebih dahulu
dengan aturan tertentu (max. & min. berbeda), lalu dilakukan
update nilai koefisien pada setiap basis variabelnya
Kesimpulan (2)

 Metode Simplex membutuhkan ketelitian mulai dari iterasi awal /

iterasi 0, karena metode tsb runtut sehingga apabila terdapat
kesalahan pada iterasi awal maka iterasi selanjutnya dipastikan
salah
 Problem max.  penentuan pivot coloumn dipilih nilai koefisien Z
“negatif” terbesar & iterasi berhenti apabila pada baris Z nilai
koefisiennya sudah “positif” semua
 Problem min. penentuan pivot coloumn dipilih nilai koefisien Z
“positif” terbesar & iterasi berhenti apabila pada baris Z nilai
koefisiennya sudah “negatif” semua
FIN.