contoh soal metode simplex dengan minimum

Perusahaan Maju Terus merencanakan untuk menginvestasikan uang paling banyak $ 1.200.000. uang ini akan ditanamkan pada 2 buah cabang usaha yaitu P dan Q. setiap unit P memerlukan uang sebesar $50 dan dapat memberikan rate of return per unitnya per tahun sebesar 10% sedangkan untuk setiap unit Q memerlukan uang sebesar $100, namun memberikan rate of return per unit per tahunnya sebesar 4%. Perusahaan tersebut telah mempertimbangkan bahwa target rate of return dari kedua usaha tersebut paling sedikit adalah $60.000 per tahunnya. Kemudian hasil analisis perusahaan memperoleh data bahwa setiap unit P dan Q mempunyai index risiko masing-masing 8 dan 3. Padahal perusahana ini tidak mau menanggung resiko yang terlalu besar. Kebijakan lainnya yang diinginkan oleh pemimpin khususnya untuk cabang usaha P ditargetkan paling sedikit jumlah investasinya adalah $3.0000. Bagaimana penyelesaian persoalan diatas apabila perusahaan bermaksud untuk tetap melakukan investasi tetapi dengan menekan atau meminimasi resiko sekecil mungkin. Berapa unit masingmasing usaha dapat diinvestasikan ?(metode grafis dan metode simpleks) JAWABAN 1. Metode Grafis Fungsi Tujuan : z = 8x + 3y Fungsi Pembatas : 50x + 100y ≤ 1.200.000 50x ≥ 3.000 5x + 4y ≥ 60.000 Grafisnya : 50x + 100y ≤ 1.200.000 50x + 100y = 1.200.000 Jika x = 0 maka y = 12.000, jadi koordinatnya (0,12.000) Jika y = 0 maka x = 24.000, jadi koordinatnya (24.000,0) 50x ≥ 3.000

000 Jika x = 0 maka y = 15.000) Jika y = 0 maka x = 12.200.200.000 50x ≥ 3.000 Bentuk baku diperoleh dengan menambahkan variabel slack pada kendala pertama.000. jadi koordinatnya (0.000.00 0 24.50x = 3. Metode Simpleks Fungsi Tujuan : z = 8x + 3y Fungsi Pembatas : 50x + 100y ≤ 1.S2 + A1 = 3.000 5x + 4y – S3 + A2 = 60.000 5x + 4y ≥ 60.000 * Minimum 0 192.000 10.000 Keterangan 1.15.0) Jadi Solusi yang ditawarkan : x 12.00 0 4.000 50x .000 x = 60 5x + 4y ≥ 60.000 y 0 Z = 8x + 3y 96. jadi koordinatnya (12. Sehingga diperoleh : Minimumkan : Z = 8x + 3y + 0S1 + 0S2 + 0S3 +MA1 + MA2 50x + 100y + S1 = 1.000 62. mengurangkan variabel surplus pada kendala kedua.000 .000 5x + 4y = 60.000.

16 1 -0.000M+4755 1.5 -0.025 S3 M-0.02 0.700M+480 1.000 X1 X2 S1 S2 S3 A1 A2 NK Rasio Iterasi Pertama Basis Z S1 X1 A2 0 0 1 0 X1 X2 4M-3 100 0 4 0 1 0 0 S1 S2 0.200.02 -0.000 60 5700 1.25 NK 54.1 0 0 0 1 A2 NK 59.02 -0.197.425 11.75 25 0 -0.000 3.000 60.Table Simpleks Awal Basi s Z S1 55M-8 50 4M-3 100 0 1 -M 0 -M 0 0 0 0 0 63.02 0.1M-0.25 A1 -M+0.000 1.000 : 5 = 12.500 60 1425 Iterasi kedua adalah optimal karena koefisien pada persamaan Z semuanya non positif.200.085 1.000M 1.16 -1 0.000M+4755 .025 A2 -M+0.054. dengan X1= 60.970 Rasio Iterasi Kedua Basis Z S1 X1 X2 0 0 1 0 X1 0 0 0 1 X2 0 1 0 0 S1 S2 -0.000:50 = 60 60.75 -25 0 0.1M+0.085 -1.0 00 A1 A2 50 5 0 4 0 0 -1 0 0 -1 1 0 0 1 3.5 0.1 0 0 0 -1 S3 A1 -1.000:50=24. X2 = 1425 dan Z = 54.

0S1 . hal ini dikarenakan pada kasus ini pertidk samaan pembatasnya menggunakan ≥ (lebih dari sama dengan).S2 +A2 = 180 Baris 2 4x2 .5X2 .0S3 = 0 Baris 0 Persamaan Kendala : 7x1 + 3x2 .2.0S2 .S3 + A3 = 120 Baris 3 .S1 +A1 = 210 Baris 1 6x1 + 12x2 . X2 ≥ 0 Carilah harga X1 dan X2 ? JAWABAN Pada kasus ini kita akan menggunakan metode simplex M (BIG – M). Persamaan matematis suatu program linier adalah sebagai berikut : Minimasi : Z = 6X1 + 7.5X2 Dengan pembatas : 7X1 + 3X2 ≥ 210 6X1 + 12X2 ≥ 180 4X2 ≥ 120 X1.7. Persamaan Tujuan : Z .6x1 .

Oleh karena itu Untuk x2 terpilih sebagai entry variable karena x2 memiliki nilai . dan A3 sebagai variable basis. Hal ini dikarenakan seluruh NBV masih mempunyai koefisien yang berharga positif. A2. seperti table berikut : Bas X1 X2 S1 S2 S3 A1 A2 A3 NK RASIO is Z 13M-6 19M-7.5X2 + 0S1 + 0S2 + 0S3 + MA1 + MA2 + MA3 Table simplex awal dibentuk dengan A1. A2.Bagi kendala pertidaksamaan jenis ≤. Untuk mengarahkan artifisial variabel menjadi nol. Cara ini tidak dapat diterapkan pada kendala pertidaksamaan jenis ≥ dan kendala persamaan (=) persamaan diatas diperoleh karena tanda ≥ harus mengurangi variable surplus. suatu biaya yang besar ditempatkan pada A1. maka variabel slack ditambahkan untuk menghabiskan sumber daya yang digunakan dalam kendala.5 -M -M -M 0 0 0 510M A1 7 3 -1 0 0 1 0 0 210 210 : 3 = 70 A2 6 12 0 -1 0 0 1 0 180 180 : 12 = 15 A3 0 4 0 0 -1 0 0 1 120 120 : 4 = 30 Dari table diatas kita ketahui bahwa semua BFS belum optimal. dan A3 sehingga fungsi tujuannya menjadi : Z = 6x1 + 7.

S3 .5 /2 x1 + ¼ S2 + A1 .1/3 A2 + A3 = 60 Konversi bentuk standard iterasi Pertama : Z = 9/4 x1 + 0S1 + 11 15 /24 S2 + 0S3 + MA1 + [ M - 15 /24]A2 + MA3 + 112. dan A3 menjadi Leaving Variable.1/3 A2 + A3 = 60 ½ x1 + x2 .1/4 A2= 165 ERO 4 : Menjadikan nilai koefisien x2 berharga 0 pada baris 3 -2x1 + 1/3 S2 .1/12 S2 +1/12 A2 = 15 ERO 2 : Menjadikan nilai koefisien x2 berharga 0 pada baris 0 Z = 9/4 x1 + 0S1 + 15 /24 S2 + 0S3 + MA1 + [ M - 15 /24]A2 + MA3 + 112.S3 .1/12 S2 +1/12 A2 = 15 Tabel Iterasi Pertama Bas X1 X2 S1 S2 S3 A1 A2 A3 NK RASIO is . Dan yang akan menjadi pivot adalah baris 2 karena memiliki rasio paling kecil. Langkah-langkah ERO Iterasi Pertama : ERO 1 : Menjadikan nilai koefisien x2 berharga 1 pada baris 2 ½ x1 + x2 .1/4 A2 = 165 -2x1 + 1/3 S2 .koefisien positif yang paling besar.5 ERO 3 : Menjadikan nilai koefisien x2 berharga 0 pada baris 1 11 /2 x1 + ¼ S2 + A1 .

725]A2 + MA3 + 180 x1 + 1/22 S2 + 2/11A1 .39 S2 .1/22 A2 = 30 .5 = 30 Pada fungsi tujuan masih terdapat variable dengan nilai koefisien positif.Z -13/2M-6 0 0 7 /12 -15/24 -M 0 1 /24 .4A1 + [ M – 0.M 0 225M – 112.725 S2 + 0S3 + [M -0.36A1 + 0.5 = 30 A3 -2 0 0 1 /3 -1 0 -1 /3 1 60 * X2 ½ 1 0 -1 /12 0 0 1 /12 0 15 15 : 0.5 A2 = 0 ERO 4 : Menjadikan nilai koefisien x1 berharga 0 pada baris 3 0.5 * A1 11 /2 0 0 1 /4 0 1 -1/4 0 165 165 : 5.S3 +0.725 S2 + 0S3 + MA1 -0.21 A2 + A3 = 120 Konversi bentuk standard iterasi kedua : Z = 0S1 + 0.1/22 A2 = 30 ERO 2 : Menjadikan nilai koefisien x1 berharga 0 pada baris 0 Z = 0S1 + 0. oleh karena itu lakukan iterasi kedua. Langkah-langkah ERO Iterasi Kedua: ERO 1 : Menjadikan nilai koefisien x1 berharga 1 pada baris 1 x1 + 1/22 S2 + 2/11A1 .725]A2 + MA3 + 180 ERO 3 : Menjadikan nilai koefisien x1 berharga 0 pada baris 2 0.4]A1 + [ M – 0.

725 M -180 x1 1 0 0 1 /22 0 2 /11 -1/22 0 30 A3 0 0 0 0 0 0 ½ 0 0 X2 0 0 0 0. yakni A dan B. Untuk membuat 1Kg sabun bubuk diperlukan 2 Kg A dan 6 Kg B.21 1 120 Iterasi kedua adalah optimum karena koefisien pada persamaan Z semuanya non positif. bila keuntungan yang akan diperoleh setiap membuat 1Kg sabun bubuk = $3 sedangkan setiap 1 Kg sabun batang = $2. 3. Untuk itu dibutuhkan 2 macam zat kimia. PT Unilever bermaksud membuat 2 jenis sabun. dengan x1 = 30.36A1 + 0.39 S2 . berapa Kg jumah sabun bubuk dan sabun batang yang sebaiknya dibuat ? .21 A2 + A3 = 120 Tabel Iterasi Kedua Bas X1 X2 S1 S2 S3 A1 A2 A3 NK is Z 0 0 0 -0.4 -1/2M+0.S3 + 0.0. jumlah zat kimia yang tersedia adalah A=200Kg dan B=360Kg.39 -1 0. yakni sabun bubuk dan sabun batang.36 0.5 A2 = 0 0. untuk membuat 1 Kg sabun batang diperlukan 5 Kg A dan 3 Kg B. x2 = 120 dan z=-180.725 0 -M+0.

dan A3 sehingga fungsi tujuannya menjadi : Z = 3x1 .JAWABAN Pemodelan matematika : Maksimumkan : Z = 3x1 + 2x2 Pembatas : 2x1 + 5x2 = 200 6x1 + 3x2 = 360 Persamaan Tujuan : Z .2X2 + MA1 + MA2 Basis x1 x2 A1 A2 NK Rasio Z 8M-3 8M+2 0 0 560M A1 2 5 1 0 200 200:5=40 A2 6 3 0 1 360 360:3=120 Dari table diatas kita ketahui bahwa semua BFS belum optimal. suatu biaya yang besar ditempatkan pada A1.2x2 = 0 Baris 0 Persamaan Kendala : 2x1 + 5x2 + A1 = 200 Baris 1 6x1 + 3x2 + A2 = 360 Baris 2 Untuk mengarahkan artifisial variabel menjadi nol.3x1 . Oleh karena itu Untuk x2terpilih sebagai entry variable karena x2 memiliki nilai . Hal ini dikarenakan belum seluruhnya NBV mempunyai koefisien yang berharga positif. A2.

Dan yang akan menjadi pivot adalah baris 1 karena memiliki rasio paling kecil.2 0 40 A2 4. x2 = 240 dan z=240M+80.2A1 = 40 4. dan A1 menjadi Leaving Variable.8M-3.80 ERO 3 : Menjadikan nilai koefisien x2 berharga 0 pada baris 2 4.2A1 = 40 ERO 2 : Menjadikan nilai koefisien x2 berharga 0 pada baris 0 Z = 3. dengan x1 = 40.8x1 – 0. .8x1 + [M-0.4 1 0.80 0.4x1 + x2 + 0.4M 0 240M+80 X2 0.4]A1 + MA2 . Langkah-langkah ERO Iterasi Pertama : ERO 1 : Menjadikan nilai koefisien x2 berharga 1 pada baris 1 0.8x1 + [M-0.8x1 – 0.6 1 240 Iterasi pertama adalah optimum karena koefisien pada persamaan Z semuanya positif.koefisien negatif.4x1 + x2 + 0.6A1 + A2 = 240 Konversi bentuk standard iterasi pertama : Z = 3.8 0 0.4-0.6A1 + A2 = 240 Basis x1 x2 A1 A2 NK Rasio Z 4.8 0 0.4]A1 + MA2 .

Sign up to vote on this title
UsefulNot useful