PROGRAM LINIER:

METODE SIMPLEKS

Rika Yuliyanti, SE. M.M.

 PENDAHULUAN
• Penyelesaian masalah LP dengan grafik memiliki
keterbatasan, hanya dapat digunakan untuk dua
variabel, oleh karena itu muncul metode
Algoritma Simplex yang pertama diperkenalkan
oleh George B. Dantzig 1974.
• Metode ini menyelesaikan masalah LP melalui
perhitungan ulang (iteration), di mana langkah-
langkah perhitungan yang sama diulang-ulang
sebelum tercapai solusi optimum.

Rika Yulianti. SE. MM

Langkah-langkah Metode Simpleks untuk
Fungsi Tujuan Maksimisasi
• Tahap I
1. Menentukan variabel keputusan dan fungsi tujuan
(objective function)
2. Mengidentifikasi batasan-batasan (kendala/constraint)
dalam bentuk pertidaksamaan
3. Merubah pertidaksamaan menjadi persamaan dengan
memasukkan unsur slack variable (+S) atau surplus (-S)
• Tahap II
Memasukkan fungsi tujuan dan kendala yang sudah menjadi
bentuk persamaan ke dalam matriks/tabel simpleks sebagai
iterasi awal (0). Tabel tersebut terdiri dari:
Rika Yulianti. SE. MM
Lanjutan langkah-langkah metode simpleks (maksimisasi)
1. Kolom no iterasi.
2. Kolom nilai C, untuk iterasi 0, nilai C masing-masing bernilai 0 diambil dari nilai
koefisien variabel dosposal activity dalam fungsi tujuan.
3. Kolom basic, berisi variabel-variabel disposal activity (S1, S2, S3 . . . Sn).
4. Kolom Activity Level, berisi nilai dari kapasitas (sisi sebelah kanan) persamaan masing-
masing kendala.
5. Kolom Real Activity, jumlahnya tergantung dari banyaknya variabel keputusan pada
fungsi tujuan dan nilai yang dimasukkan adalah koefisien masing-masing variabel
keputusan tersebut.
6. Kolom Disposal Activity, jumlahnya tergantung pada banyaknya variabel disposal
activity dan nilai yang dimasukkan adalah koefisien masing-masing variabel tersebut.
7. Kolom Ratio, nilainya dicari dengan rumus: Nilai pada Activity Level dibagi Nilai
pada kolom kunci.
8. Menentukan Kolom Kunci, diperoleh dengan melihat nilai Cj – Zj yang positif
terbesar.
9. Menentukan Baris Kunci, yaitu baris yang memiliki nilai Ratio paling kecil.
10. Menentukan Angka Kunci, yaitu angka yang terletak pada perpotongan kolom kunci
dengan baris kunci.
Rika Yulianti. SE. MM
 Tahap III: Membuat dan Mengisi nilai-nilai pada iterasi
baru
1. Pada iterasi baru, yang pertama diisi/diganti adalah baris yang pada
iterasi sebelumnya sebagai baris kunci. Nilai-nilai pada baris yang baru
ini dicari dengan cara:
Angka pada baris kunci : Angka kunci.
2. Sedangkan untuk baris lainnya, dicari dengan cara:
Angka baris lama – (Angka baris kunci x FR)
FR (Fixed Ratio) =
Angka pada kolom kunci baris tersebut : Angka kunci
Nilai Zj diperoleh dengan cara:
mengkalikan nilai Ci dengan nilai masing-masing kolom untuk setiap
baris kemudian dijumlahkan.
Solusi optimum diperoleh sampai nilai Cj – Zj tidak ada yang positif lagi (≤
0).
Jika belum optimum, maka lakukan langkah-langkah tahap II poin 7, 8, 9
dan 10 serta tahap III.

Rika Yulianti. SE. MM

 Langkah-langkah Metode Simpleks untuk Fungsi
Tujuan Minimisasi
Langkah-langkah sama dengan untuk fungsi tujuan maksimisasi, yang
membedakan adalah:
1. Kolom kunci ditentukan berdasarkan nilai Cj – Zj negatif terbesar
2. Solusi optimum diperoleh jika nilai Cj – Zj sudah positif atau nol semua (≥
0)
Penambahan variabel pada saat membuat bentuk baku (Model Matematis
Standar = MMS) untuk kendala:
 Jika tandanya = maka ditambah +R
 Jika tandanya ≥ maka ditambah –S dan +R
 Jika tandanya ≤ maka ditambah +S

Koefisien untuk R adalah M jika fungsi tujuannya minimisasi dan –M jika

maksimisasi
Penentuan baris kunci dilihat dari ratio dengan nilai positif terkecil

Rika Yulianti. SE. MM

Contoh Soal Model LP untuk Maksimisasi
Sebuah perusahaan mebel hanya bisa membuat 2
produk yaitu meja dan kursi. Perusahaan memiliki
sumber daya yang terbatas, kayu 120 m3, 9 jam
tenaga kerja dan 24 jam kapasitas penyelesaian.
Untuk membuat meja diperlukan 30 m3 kayu, 2 jam
tenaga kerja dan 4 jam penyelesaian. Sedangkan
untuk kursi diperlukan 20 m3 kayu, 2 jam tenaga
kerja dan 6 jam penyelesaian. Bagaimanakah
kombinasi yang optimum agar diperoleh laba yang
maksimal jika sumbangan laba dari meja sebesar $10
dan kursi $8?

Rika Yulianti. SE. MM

Variabel Keputusan:
Meja = X1 dan Kursi = X2
Fungsi tujuan: Max Z = 10X1 + 8X2
Kendala:
(1) Kayu 30X1 + 20X2 ≤ 120
(2) JKL 2X1 + 2X2 ≤9
(3) Penyelesaian 4X1 + 6X2 ≤ 24
Model Matematis Standar (MMS):
Max Z = 10X1 + 8X2 + 0S1 + 0S2 + 0S3
(1) 30X1 + 20X2 + 1S1 = 120
(2) 2X1 + 2X2 + 1S2 =9
(3) 4X1 + 6X2 + 1S3 = 24
(4) X1, X2, S1, S2, S3 Rika Yulianti. SE. MM ≥0
 Membuat tabel simpleks untuk interasi awal (nol)
Model Matematis Standard (MMS)
Max Z = 10X1 + 8X2 + 0S1 + 0S2 + 0S3
(1) 30X1 + 20X2 + 1S1 = 120
(2) 2X1 + 2X2 + 1S2 = 9
(3) 4X1 + 6X2 + 1S3 = 24
(4) X1, X2, S1, S2, S3 ≥0
Iterasi C Cj 10 8 0 0 0
Activity Real Activity Disposal Activity
Ci Basic Level X1 X2 S1 S2 S3 Ratio
0 0 S1 120 30 20 1 0 0 4
0 S2 9 2 2 0 1 0 4,5
0 S3 24 4 6 0 0 1 6
Zj 0 0 0 0 0 0
Cj - Zj 0 10 8 0 0 0

Setelah semua nilai pada MMS dimasukkan pada tabel simpleks, kemudian dicari nilai Zj dan Cj –
Zj, maka diperoleh kolom kunci yaitu pada kolom X1 karena memiliki nilai Cj – Zj positif terbesar.
Dengan telah diperolehnya kolom kunci, maka dapat dicari ratio dan baris yang memiliki nilai ratio
paling kecil menjadi baris kunci, yaitu baris S1. Perpotongan kolom dengan baris kunci melahirkan
angka kunci yaitu 30. Rika Yulianti. SE. MM
Karena baris S1 menjadi baris kunci, maka pada iterasi selanjutnya S1 diganti dengan
X1 yang tadinya kolom kunci. Adapun angka-angka baru untuk baris X1 dicari dengan
cara membagi masing-masing angka baris S1 pada iterasi 0 dengan angka kunci.
Sedangkan untuk baris S2, angka-angka yang baru pada iterasi 1 diperoleh dengan
cara: angka baris lama – (angka baris kunci x FR). Angka FR diperoleh dari membagi
angka pada kolom kunci baris S2 dengan angka kunci, yaitu 2/30.
Dan angka baru untuk baris S3 diperoleh dengan cara yang sama seperti mencari angka
baru untuk S2, sehingga FR untuk baris S3 adalah 4/30.
Setelah ditemukan angka-angka baru selanjutnya mencari nilai Zj dan CJ – Zj. Karena
masih ada nilai Cj – Zj yang negatif berarti solusi belum optimum, oleh karena itu
dilanjutkan ke iterasi 2. Pada iterasi 1 ini diperoleh kolom kunci yaitu pada kolom X2
sedangkan baris kuncinya pada variabel atau baris S2.

Iterasi C Cj 10 8 0 0 0
Activity Real Activity Disposal Activity
Ci Basic Level X1 X2 S1 S2 S3 Ratio
1 10 X1 4 1 0,667 0,033 0 0 6
0 S2 1 0 0,667 -0,07 1 0 1,5
0 S3 8 0 3,333 -0,13 0 1 2,4
Zj 40 10 6,667 0,333 0 0
Cj - Zj 40 0 1,333 -0,33 0 0
Rika Yulianti. SE. MM
Proses pencarian angka-angka baru untuk iterasi 2 ini sama dengan cara pada iterasi
1.
Ternyata pada iterasi 2 ini telah diperoleh solusi optimum karena nilai Cj – Zj
semuanya sudah ≤ 0.
Dari hasil itu diketahui bahwa nilai X1 = 3 dan X2 = 1,5 sehingga akan diperoleh
nilai Z = 42.
Jika semua iterasi dari iterasi 0 sampai 2 digabung, hasilnya sebagaiman pada slide
berikutnya.

Iterasi C Cj 10 8 0 0 0
Activity Real Activity Disposal Activity
Ci Basic Level X1 X2 S1 S2 S3 Ratio
2 10 X1 3 1 0 0,1 -1 0 FR = 0,667/0,667
8 X2 1,5 0 1 -0,1 1,5 0
0 S3 3 0 0 0,2 -5 1 FR = 3,333/0,667
Zj 42 10 8 0,2 2 0
Cj - Zj 42 0 0 -0,2 -2 0 Optimum

Rika Yulianti. SE. MM

Iterasi C Cj 10 8 0 0 0
Activity Real Activity Disposal Activity
Ci Basic Level X1 X2 S1 S2 S3 Ratio
0 0 S1 120 30 20 1 0 0 4
0 S2 9 2 2 0 1 0 4,5
0 S3 24 4 6 0 0 1 6
Zj 0 0 0 0 0 0
Cj - Zj 0 10 8 0 0 0

1 10 X1 4 1 0,667 0,033 0 0 6
0 S2 1 0 0,667 -0,07 1 0 1,5 FR = 2/30
0 S3 8 0 3,333 -0,13 0 1 2,4 FR = 4/30
Zj 40 10 6,667 0,333 0 0
Cj - Zj 40 0 1,333 -0,33 0 0

2 10 X1 3 1 0 0,1 -1 0 FR = 0,667/0,667
8 X2 1,5 0 1 -0,1 1,5 0
0 S3 3 0 0 0,2 -5 1 FR = 3,333/0,667
Zj 42 10 8 0,2 2 0
Cj - Zj 42 0 0 -0,2 -2 0 Optimum
Rika Yulianti. SE. MM
 Contoh soal Simpleks Minimisasi
Sebuah perusahaan memiliki 2 mesin yang berbeda, yaitu
mesin 1 dan mesin 2.
Mesin 1 menghasilkan 20 produk per jam dan mesin 2
menghasilkan 15 produk per jam. Paling tidak dari kedua
mesin itu diharapkan dapat menghasilkan 100 produk. Untuk
setiap jam operasi, mesin 1 memerlukan 2 jam tenaga kerja
sedangkan mesin 2 memerlukan 3 jam tenaga kerja. Adapun
jam kerja yang harus digunakan paling tidak 15 jam.
Jika biaya per jam yang dikeluarkan perusahaan tersebut
adalah sebesar $25 untuk mesin 1 dan $30 untuk mesin 2,
maka bagaimanakah caranya perusahaan menggunakan kedua
mesin tersebut dengan kendala yang ada akan tetapi dapat
memenuhi kebutuhan produksi?
Rika Yulianti. SE. MM
• Variabel keputusan:
X1 = mesin 1 dan X2 = mesin 2
• Fungsi tujuan:
Min Z = 25X1 + 30X2
• Kendala:
(1) Produksi 20X1 + 15X2 ≥ 100
(2) JTK 2X1 + 3X2 ≥ 15
• MMS:
Z = 25X1 + 30X2 + 0S1 + 0S2 + MR1 + MR2
(1) 20X1 + 15X2 – 0S1 + R1 = 100
(2) 2X1 + 3X2 - 0S2 + R2 = 15
(3) X1, X2, R1, R2 ≥ 0

Rika Yulianti. SE. MM

Iterasi C Cj 25 30 0 0 M M

Activity Real Activity Disposal Activity

Ci Basic Level X1 X2 S1 S2 R1 R2 Ratio

0 M R1 100 20 15 -1 0 1 0 5

M R2 15 2 3 0 -1 0 1 7,5

Zj 115M 22M 18M -M -M M M

Cj - Zj 115M 25 - 22M 30 - 18M M M 0 0

1 25 X1 5 1 0,75 -0,05 0 0,05 0 6,6667

M R2 5 0 1,5 0,1 -1 -0,1 1 3,3333 FR = 2/20

Zj 125 + 5M 25 18,75 + 1,5M -1,25 + 0,1M -M 1,25 - 0,1M M

Cj - Zj 125 + 5M 0 11,25 - 1,5M 1,25 - 0,1M M -1,25M + 1,1M 0

2 25 X1 2,5 1 0 -0,1 0,5 0,1 -0,5 FR = 0,75/1,5

30 X2 3,33333 0 1 0,0666667 -0,66667 -0,06666667 0,6667

Zj 162,5 25 30 -0,5 -7,5 0,5 7,5

Cj - Zj 162,5 0 0 0,5 7,5 M - 0,5 M - 7,5 Optimum

Rika Yulianti. SE. MM
 KASUS KHUSUS DALAM PENERAPAN METODE
SIMPLEKS
• Multiple Optimal Solution (Solusi Optimal Berganda)
Terjadi jika koefisien variabel nonbasis pada Z ada yang sama
dengan nol, berarti bahwa variabel tersebut dapat masuk
menjadi variabel basis tanpa mengubah nilai Z.
• Infeasible Solution (Solusi Tak Layak)
Terjadi jika artificial variable yang digunakan tidak juga hilang
meskipun iterasi sudah optimal
• Unbounded Objective Function (Solusi Tak Terbatas)
Bila elemen-elemen pada pivot coloum tidak ada yang positif (≥
0).
• Degenercy (Degenerasi)
Apabila elemen-elemen pada ratio memiliki nilai kembar, cara
mengatasinya adalah memilih secara sembarang elemen yang
menunjukkan pivot row lalu lanjutkan iterasi.
Rika Yulianti. SE. MM
 a. Solusi Optimum Berganda (Multiple Optmum Solution)

• Maks Z = 2X1 + 4X2

• Kendala: 1) X1 + 2X2 ≤ 5
2) X1 + X2 ≤ 4
3) X1, X2 ≥ 0
• MMS
Maks Z = 2X1 + 4X2 + 0S1 + 0S2
1) X1 + 2X2 + 1S1 =5
2) X1 + X2 + 1S2 = 4
3) X1, X2, S1, S2 ≥ 0

Rika Yulianti. SE. MM

MULTIPLE OPTIMUM SOLUTION

Iterasi C Cj 2 4 0 0
Activity Real Activity Disposal Activity
Ci Basic Level X1 X2 S1 S2 Ratio
0 0 S1 5 1 2 1 0 2,5
0 S2 4 1 1 0 1 4
Zj 0 0 0 0 0
Cj - Zj 0 2 4 0 0

1 4 X2 2,5 0,5 1 0,5 0 5

0 S2 1,5 0,5 0 -0,5 1 3 FR = 1/2
Zj 10 2 4 2 0
Cj - Zj 10 0 0 -2 0 OPTIMUM

2 4 X2 1 0 1 1 -1
2 X1 3 1 0 -1 2
Zj 10 2 4 2 0
Cj - Zj 10 0 0 -2 0 OPTIMUM
Rika Yulianti. SE. MM
b. Solusi Tak Layak (Infeasible Solution)
• Maks Z = 3X1 + 2X2
• Kendala: 1) 2X1 + X2 ≤ 2
2) 3X1 + 4X2 ≥ 12
3) X1, X2 ≥ 0
MMS:
Maks Z = 3X1 + 2X2 + 1S1 + 0S2 – MR
1) 2X1 + X2 + 1S1 =2
2) 3X1 + 4X2 - 1S2 + R =12
3) X1, X2, S1, S2, R ≥ 0

Rika Yulianti. SE. MM

INFEASIBLE SOLUTION

Iterasi C Cj 3 2 0 0 -M
Activity Real Activity Disposal Activity
Ci Basic Level X1 X2 S1 S2 R Ratio
0 0 S1 2 2 1 1 0 0 2
-M R 12 3 4 0 -1 1 3
Zj 12M -3M -4M 0 M -M
Cj - Zj 12M 3 + 3M 2 + 4M 0 -M 0

1 2 X2 2 2 1 1 0 0
-M R 4 -5 0 -4 -1 1 FR = 4/1
Zj 4 - 4M 4 + 5M 2 2 + 4M M -M
Cj - Zj 4 - 4M -1 - 5M 0 -2 - 4M -M 0

Walaupun semua nilai Cj - Zj suah ≤ 0, berarti sudah optimum, tetapi artivicial

variabel tidak hilang sehingga nila X1 dan X2 serta Z tidak dapat diketahui.

Rika Yulianti. SE. MM

UNBOUNDED OBJECTIVE FUNCTION (SOLUSI TAK TERBATAS)

Iterasi C Cj 2 3 0 0
Activity Real Activity Disposal Activity
Ci Basic Level X1 X2 S1 S2 Ratio
0 0 S1 10 1 -1 1 0 -10
0 S2 40 2 0 0 1 ∞
Zj 0 0 0 0 0
Cj - Zj 0 2 3 0 0

Pada iterasi awal tersebut terlihat nilai-nilai pada kolom kunci tidak ada yang
positif, hanya ada nilai -1 dan 0. Oleh karena itu, kasus itu menunjukkan
kasus solusi tak terbatas

Rika Yulianti. SE. MM

 Unbounded Objective Function (Solusi Tak
Terbatas)
Diketahui :
Maks Z = 2X1 + 3X2
Kendala: 1) X1 – X2 ≤ 10
2) 2X1 ≤ 40
3) X1, X2 ≥ 0
MMS:
Maks Z = 2X1 + 3X2 + 0S1 + 0S2
Kendala: 1) X1 – X2 + S1 = 10
2) 2X1 + S2 = 40
3) X1, X2 ≥0

Rika Yulianti. SE. MM

 Degeneracy
Diketahui :
Maks Z = 3X1 + 9X2
Kendala: 1) X1 + 4X2 ≤ 8
2) X1 + 2X2 ≤ 4
3) X1, X2 ≥ 0
MMS:
Maks Z = 3X1 + 9X2 + 0S1 + 0S2
Kendala: 1) X1 + 4X2 + S1 =8
2) X1 + 2X2 + S2 = 4
3) X1, X2 ≥ 0

Rika Yulianti. SE. MM

DEGENERACY

Iterasi C Cj 3 9 0 0
Activity Real Activity Disposal Activity
Ci Basic Level X1 X2 S1 S2 Ratio
0 0 S1 8 1 4 1 0 2
0 S2 4 1 2 0 1 2
Zj 0 0 0 0 0
Cj - Zj 0 3 9 0 0

Pada iterasi awal tersebut terlihat nilai ratio memiliki nilai yang sama, yaitu
2
0leh karena itu, untuk menentukan baris mana yang menjadi baris kunci, dapat
dipilih salah satu secara sembarang. Walaupun dipilih secara sembarang, hasil akhir
Nilai Cj-Zj akan menghasilkan nilai yang sama pada iterasi berikutnya.

Rika Yulianti. SE. MM

Jika yang dipilih baris 1 sebagai baris kunci, maka hasilnya (iterasi 1) sbb:
1 9 X2 2 0,25 1 0,25 0 2
0 S2 0 0,5 0 -0,5 1 0 FR = 2/4
Zj 18 2,25 9 2,25 0

Cj - Zj 18 0,75 0 -2,25 0

Jika yang dipilih baris 2 sebagai baris kunci, maka hasilnya (iterasi 1) sbb:
1 0 S1 0 -1 0 1 -2
9 X2 2 0,5 1 0 0,5 FR = 4/2
Zj 18 4,5 9 0 4,5
Cj - Zj 18 -1,5 0 0 -4,5

Rika Yulianti. SE. MM

 Soal Latihan
Sebuah perusahaan keripik mempunyai tiga buah produk, yaitu A, B, dan
C. Masing-masing produk memerlukan bahan baku, tenaga kerja dan
overhead pabrik sebagaimana ditampilkan dalam table di bawah.
Adapun kapasitas dari row material, labour dan overhead masing-masing
tidak boleh lebih dari 12, 14, dan 12. Jika masing-masing produk
memberikan sumbangan laba masing-masing sebesar 15, 20, dan 10,
maka bagaimanakah solusi optimum yang dapat disarankan kepada
perusahaan tersebut sehingga diperoleh laba yang maksimum dan
berapakah laba maksimum tersebut? Gunakan metode simpleks sampai
iterasi 2.

PRODUK A B C
Row Matrial 1 2 2
Labour 2 4 2
Overhead 2 3 4
Rika Yulianti. SE. MM
 Soal Latihan
Diketahui data sebagai berikut:
MIN Z = 10X1 + 6X2 + 4X3
Kendala:
6X1 + 8X2 + 4X3 ≤ 36
10X1 + 6X2 + 4X3 = 30
8X1 + 4X3 ≥ 16
X1, X2, X3 ≥ 0
Berdasarkan data tersebut, carilah solusi optimumnya dengan
menggunakan metode simpleks.

Rika Yulianti. SE. MM