Linear Programming:

Metoda Simplex
Model Matematik untuk Optimisasi

• Variabel: xi i=1-n
• Fungsi objektif dinyatakan dalam variabel:

Optimumkan z = f(x1, ………, xn)

• Kendala (constraints) dinyatakan dalam variabel:

gj(x1, ………., xn) ≤ bj, j = 1,2, ….., m

x1, x2, ……..., xn ≥ 0

Contoh soal Linear Programming
Seorang kontraktor mempunyai sebuah excavator dan sebuah bulldozer
yang tersedia untuk digunakan pada pekerjaan di dua lokasi yang
berdekatan. Pada lokasi yang satu harus dilakukan pemindahan tanah
liat, sedangkan pada lokasi yang lain harus dilakukan pemindahan
ballast. Dari pengalamannya kontraktor dapat memperkirakan bahwa ia
akan memperoleh keuntungan sebesar $50 untuk setiap 1000 m3 tanah
liat yang dipindahkannya dan $60 untuk setiap 1000 m3 ballast yang
dipindahkannya. Sumber daya yang dibutuhkan untuk memindahkan
1000 m3 tanah liat adalah 8 jam kerja excavator, 4 jam kerja bulldozer
dan 50 jam kerja buruh (50 jam-orang). Sedangkan untuk pemindahan
1000 m3 ballast, sumber daya yang dibutuhkan adalah 4 jam kerja
excavator, 5 jam kerja bulldozer, dan 13 jam kerja buruh. Buruh
kontraktor tersebut bekerja 40 jam per minggu. Peralatan mekanik juga
tersedia selama 40 jam per minggu. Selain peralatan mekanik, juga
tersedia 5 buruh. Bila tidak dipekerjakan di lokasi penggalian tersebut,
buruh dapat dipekerjakan di tempat lain.

•Berapa jumlah tanah liat dan ballast yang harus dipindahkan kontraktor
per minggu untuk memaksimumkan keuntungan?
•Gunakan cara grafis untuk melakukan analisis pengaruh perubahan
jumlah sumber daya dan harga satuan terhadap solusi optimum.
Solusi Optimum pada Linear Programming

• Solusi optimum pada LP selalu terletak pada salah satu dari

titik sudut atau titik ekstrem ruang solusi (daerah layak).
• Titik ekstrem yang merupakan solusi optimum tergantung dari
kemiringan (slope) atau koefisien-koefisien fungsi objektif.
• Selain dengan cara grafis (untuk masalah dengan 2 variabel),
metoda matematik dapat digunakan untuk mencari solusi
optimum model linear yang memiliki n variabel x.
• Untuk itu model matematik linear diformulasikan dan
dinyatakan dalam bentuk standar.
• Digunakan variabel-variabel kontrol yang baru yang disebut
dengan variabel slack dan variabel surplus untuk
mentransformasikan sekumpulan persamaan linear dengan
kendala =, ≤, dan ≥ menjadi kendala yang berbentuk equality (=)
saja.
• Selanjutnya ditetapkan prosedur untuk pencarian titik ekstrem
yang memberikan solusi optimum.
Bentuk
Standar
Bentuk standar dengan menggunakan notasi matrix:
z = c’x
Ax = b
x>0
dimana: x adalah vektor n
A adalah matrix m x n

Bentuk standar mensyaratkan bahwa:

• Semua anggota vektor b memiliki nilai positif
• Setiap kendala merupakan persamaan
Variabel Slack dan Surplus (1)

Variabel slack adalah variabel kontrol yang positif dan

independen yang ditambahkan pada persamaan
Kendala yang mengandung kendala ≤ .

a’x ≤ b

a1x1 + a2x2 + ………….. + anxn ≤ b

a’x + xp = b
a1x1 + a2x2 + …………… + anxn + xp = b

xp = variabel slack
xp ≥ 0
Variabel Slack dan Surplus (2)

Variabel surplus adalah variabel kontrol yang positif

dan independen yang dimasukkan kepada persamaan
kendala yang mengandung kendala ≥.
a’x ≥ b

a1x1 + a2x2 + ……….. + anxn ≥ b

a’x – xr = b
a1x1 + a2x2 + ………. + anxn – xr = b
xr = variabel surplus
xr ≥ 0
Variabel Slack dan Surplus
(3)
Karakteristik variabel slack dan variabel surplus:

• Memiliki arti fisik.

• Dapat didefinisikan seperti variabel kontrol yang

digunakan pada formulasi original permasalahan.

• Semua aturan matematik yang berlaku pada

kumpulan variabel kontrol yang original juga berlaku
bagi variabel slack dan surplus.
Evaluasi Titik Ekstrem (1)

Syarat adanya solusi unik untuk Ax = b:

• Jumlah unknowns harus sama dengan jumlah

persamaan independen

• Inverse A harus ada, dan x = A-1b

• Matrix A harus merupakan matrix bujur sangkar

nxn
Evaluasi Titik Ekstrem (2)

Pada model matematik dalam bentuk standar:

• Umumnya matrix A bukan matrix bujur sangkar

• Tidak ada solusi unik

z = c’x
Ax = b
x>0
Evaluasi Titik Ekstrem (3)

z = c’x
Ax = b
x>0

Di dalam masalah optimisasi:

• Jumlah variabel kontrol, n, adalah lebih besar
daripada jumlah persamaan kendala, m.
• Jadi, solusi harus dicari untuk kumpulan kendala Ax
= b, dimana A adalah matrix m x n
• Vektor x mengandung n buah elemen,
• x’ = [ x1, x2, ………, xn]
 Basis (1)
• Suatu ruang vektor adalah suatu kumpulan vektor
yang memiliki sifat bahwa bila dua vektor dari
kumpulan tersebut ditambahkan atau bila suatu
vektor dari kumpulan dikalikan dengan suatu skalar,
jumlah atau produknya merupakan anggota
kumpulan tersebut.

• Suatu basis adalah suatu kumpulan vektor-vektor

yang independen di dalam suatu ruang vektor yang
mencakup suatu ruang vektor; artinya:
setiap vektor di dalam ruang vektor merupakan
jumlah perkalian skalar vektor-vektor di dalam
basis.
Basis (2)
Pada persamaan kendala Ax = b, dimana A adalah suatu matrix m x n
dan n > m, A dapat dinyatakan sebagai suatu kumpulan vektor kolom,
atau:

A = [a1 a2 ………. an] = [a1 a2 …… am am+1 ….. an]

dimana kumpulan semua vektor ai diasumsikan independen.

Menurut definisi basis, dimungkinkan untuk mengkombinasikan secara

linear,
m vektor kolom pada A dengan cara berikut:
x1
x2
[a1 a2 ……. am] . | =b
xm

Di dalam kasus di atas, dipilih m vektor kolom yang pertama pada A.

Basis (3)

Matrix [a1 a2 …….. am] atau kombinasi yang lain

disebut matrix basik AB dan [x1 x2 ……. xm] disebut
vektor basik xB.

Jadi, AB xB = b

dan elemen-elemen xB adalah: xB = AB-1 b

Karena AB diasumsikan terdiri dari sekumpulan

vektor a yang independen dan linear, maka inverse
AB-1 ada dan solusi xB diperoleh.
Basis (4)

Jadi elemen-elemen xB membentuk kombinasi linear

yang unik dari vektor matrix basik ai yang mencakup
ruang vektor.

Dengan partisi matrix, kumpulan kendala dapat

ditulis sebagai berikut:

Ax = [AB AN] . xB = b
xN

dimana: xB adalah vektor basik

xN adalah vektor non-basik
Basis (5)

Jumlah variabel kontrol yang masuk ke dalam xB

adalah sama dengan jumlah persamaan kendala, m.

Variabel kontrol yang tersisa akan dimasukkan ke

dalam xN.

Jadi, xN akan terdiri dari (n – m) variabel

Matrix AB merupakan matrix bujur sangkar m x m, dan

AN adalah matrix m x (n – m)
Basis (6)

Solusi xB dapat ditentukan dalam variabel nonbasik,

xN, sebagai berikut:

xB = AB-1 [b – ANxN]

Di dalam mengevaluasi suatu titik ekstrim, semua

elemen-elemen vektor nonbasik diberi nilai nol, xN = 0
Metoda Simplex (1)
Metoda ini digunakan untuk menentukan solusi
optimum untuk bentuk berikut:

Minimumkan z = c’x
Ax = b
x>0

dimana seluruh elemen vektor b adalah positif, b > 0.

Metoda simplex merupakan metoda iteratif untuk

menemukan solusi optimum dari model matematik
linear.
Metoda Simplex (2)

Metoda ini terdiri dari langkah-langkah berikut:

• Tentukan initial candidate solution, x0

• Uji initial candidate solution, x0, untuk menentukan

apakah solusi tersebut merupakan solusi optimum,
x*
• Bila uji untuk solusi optimum gagal, tentukan
candidate solution yang baru, xk, dan ulangi
langkah 2 dan 3 sampai uji optimalitas dipenuhi.
 Metoda Simplex (3)
Hubungan-hubungan Fundamental
Bila suatu candidate solution x memenuhi kumpulan
kendala, Ax = b dan x > 0, solusi ini disebut basic
feasible solution dan merupakan calon untuk solusi
optimum z = c’x.
Suatu calon solusi (candidate solution) akan dinyatakan
sebagai vektor yang dipartisi, x = [xB xN].
Basic candidate solution vector, xB, dapat dituliskan
sebagai fungsi dari variabel-variabel nonbasik, xN, atau
xB = AB-1 [ b – ANxN]

selanjutnya, xB = AB-1b – AB-1ANxN

Metoda Simplex
(4)
Nilai z, ditulis sebagai fungsi variabel-variabel
nonbasik xN, ditentukan dengan mensubstitusikan
calon solusi ke dalam fungsi objektif:

z = cB’[(AB-1b – AB-1ANxN)] + cN’xN

dimana c’ = [cB’ cN’]

selanjutnya, z = cB’AB-1b + [(cN’ – cB’AB-1AN)]xN

|
cI’ = cost indicator
Metoda Simplex (5)

Karena xN adalah variabel-variabel nonbasik dan

semua elemen xN adalah sama dengan nol, nilai calon
solusi xB dan calon solusi optimum z dapat dengan
mudah ditentukan.

Substitusi xN = 0, memberikan:

xB = AB-1b

z = cB’AB-1b = cB’xB
Metoda Simplex (6)

Test untuk solusi optimum

Pertanyaan yang harus dijawab:

Apakah xk adalah x*, yaitu lokasi dari z* minimum?

Aturan 1:

Bila tanda semua indikator pada cIk adalah positif,

maka basic feasible solution yang sedang ditinjau
sekarang, xk, adalah lokasi dari solusi optimal
minimum, x*, dan zk = z*.
Metoda Simplex (7)

Menentukan calon solusi baru

Bila satu atau lebih indikator di dalam cIk adalah

negatif, maka calon solusi xBk bukan optimum, dan
solusi zk masih dapat berkurang nilainya.

Aturan 2:

Bila satu atau lebih dari indikator di dalam cIk adalah

negatif, solusi yang sedang ditinjau sekarang dapat
dikurangi nilainya. Variabel xNk yang masuk ke basis
yang baru, xBk+1, dinyatakan sebagai xp, adalah yang
terkait dengan nilai negatif yang terkecil di dalam cIk.
Metoda Simplex (8)

Penentuan basis yang baru

Dengan Aturan 2 ditentukan variabel kontrol yang

mana yang masuk ke dalam calon basis yang baru.

Selanjutnya harus ditentukan variabel mana di dalam

basis yang sedang ditinjau sekarang, xBk, yang harus
keluar dan dimasukkan ke dalam nonbasis xNk+1.

Dengan demikian, jumlah variabel kontrol yang ada di

dalam basis, tetap sama dengan jumlah persamaan
kendala (=m).
Metoda Simplex (9)

Aturan 3:

Hitung rasio bt/at,p untuk setiap at,p > 0 di dalam basis

yang sedang ditinjau sekarang,

xB + xpap = b

Variabel kontrol xq yang berhubungan dengan nilai

positif yang terkecil pada bt/at,p adalah yang
dikeluarkan dari basis dan ditempatkan di dalam
nonbasis.

Variabel kontrol xp menggantikan kedudukan xq di

dalam basis pada iterasi ke k+1.
Metoda Simplex (10)

Tabel Simplex
Untuk perhitungan dengan tangan, biasanya digunakan ketiga
aturan metoda simplex dan metoda eliminasi suksesif.
Model matematik linear ditulis sebagai berikut:

Minimumkan (z – zk) = cIk’xNk + 0’xBk

ANk xNk + I xBk = bk
xNk = 0
xBk > 0

dimana xBk dan xNk merepresentasikan basic feasible

candidate solution untuk nilai minimum untuk z.
Metoda Simplex (11)

Perhatian:

• Unit costs yang berhubungan dengan xBk harus = 0;

• cB = 0.

• Semua anggota bk harus positif.

Metoda Simplex (12)

Penulisan calon solusi (candidate solution) xBk di

Dalam augmented matrix:

xBk ANk I bk b/a

- cIk’ 0’ (z – zk) -