P. 1
METODE SIMPLEKS

METODE SIMPLEKS

|Views: 5|Likes:
Published by Ariez Arianto

More info:

Published by: Ariez Arianto on May 14, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOC, PDF, TXT or read online from Scribd
See more
See less

12/21/2013

pdf

text

original

Metode Simpleks

(Sumber : Siringoringo, 2005) Pengantar Salah satu teknik penentuan solusi optimal yang digunakan dalam pemrograman linier adalah metode simpleks. Penentuan solusi optimal menggunakan metode simpleks didasarkan pada teknik eleminasi Gauss Jordan. Penentuan solusi optimal dilakukan dengan memeriksa titik ekstrim satu per satu dengan cara perhitungan iteratif. Sehingga penentuan solusi optimal dengan simpleks dilakukan tahap demi tahap yang disebut dengan iterasi. Iterasi ke-i hanya tergantung dari iterasi sebelumnya (i-1). Ada beberapa istilah yang sangat sering digunakan dalam metode simpleks, diantaranya : 1. Iterasi adalah tahapan perhitungan dimana nilai dalam perhitungan itu tergantung dari nilai tabel sebelumnya. 2. Variabel non basis adalah variabel yang nilainya diatur menjadi nol pada sembarang iterasi. Dalam terminologi umum, jumlah variabel non basis selalu sama dengan derajat bebas dalam sistem persamaan. 3. Variabel basis merupakan variabel yang nilainya bukan nol pada sembarang iterasi. Pada solusi awal, variabel basis merupakan variabel slack (jika fungsi kendala merupakan pertidaksamaan ≤ ) atau variabel buatan (jika fungsi kendala menggunakan pertidaksamaan ≥ atau =). Secara umum, jumlah variabel basis selalu sama dengan jumlah fungsi pembatas (tanpa fungsi non negatif). 4. Solusi atau nilai kanan merupakan nilai sumber daya pembatas yang masih tersedia. Pada solusi awal, nilai kanan atau solusi sama dengan jumlah sumber daya pembatas awal yang ada, karena aktivitas belum dilaksanakan. 5. Variabel slack adalah variabel yang ditambahkan ke model matematik kendala untuk mengkonversikan pertidaksamaan ≤ menjadi persamaan (=). Penambahan variabel ini terjadi pada tahap inisialisasi. Pada solusi awal, variabel slack akan berfungsi sebagai variabel basis. 6. Variabel surplus adalah variabel yang dikurangkan dari model matematik kendala untuk mengkonversikan pertidaksamaan ≥ menjadi persamaan (=). Penambahan ini terjadi pada tahap inisialisasi. Pada solusi awal, variabel surplus tidak dapat berfungsi sebagai variabel basis. 7. Variabel buatan adalah variabel yang ditambahkan ke model matematik kendala dengan bentuk ≥ atau = untuk difungsikan sebagai variabel basis awal. Penambahan variabel ini terjadi pada tahap inisialisasi. Variabel ini harus bernilai 0 pada solusi optimal, karena kenyataannya variabel ini tidak ada. Variabel hanya ada di atas kertas. 8. Kolom pivot (kolom kerja) adalah kolom yang memuat variabel masuk. Koefisien pada kolom ini akn menjadi pembagi nilai kanan untuk menentukan baris pivot (baris kerja). 9. Baris pivot (baris kerja) adalah salah satu baris dari antara variabel basis yang memuat variabel keluar.

1

09 x1 + 0.5 x1. Dengan demikian. Dengan kata lain.ditambahkan satu artificial variabel (variabel buatan). Bentuk baku dalam metode simpleks tidak hanya mengubah persamaan kendala ke dalam bentuk sama dengan.001 x1 + 0. 3. Variabel basis awal menunjukkan status sumber daya pada kondisi sebelum ada aktivitas yang dilakukan. Variabel ini pada iterasi berikutnya akan bernilai nol. variabel keputusan semuanya masih bernilai nol. Variabel ini pada iterasi berikutnya akan bernilai positif. Ada beberapa hal yang harus diperhatikan dalam membuat bentuk baku. fungsi kendala tersebut masih harus tetap berubah. meskipun fungsi kendala pada bentuk umum pemrograman linier sudah dalam bentuk persamaan. Kedalam bentuk baku. pertama sekali bentuk umum pemrograman linier dirubah ke dalam bentuk baku terlebih dahulu. Elemen pivot (elemen kerja) adalah elemen yang terletak pada perpotongan kolom dan baris pivot. yaitu : 1. Variabel masuk adalah variabel yang terpilih untuk menjadi variabel basis pada iterasi berikutnya.5 x2 Kendala : x1 + x2 = 90 0. dirubah menjadi persamaan (=) dengan menambahkan satu variabel slack. Fungsi kendala dengan pertidaksamaan ≤ dalam bentuk umum. Perhatikan kasus A berikut : Fungsi tujuan : minimumkan z = 2 x1 + 5.06 x2 ≤ 4. dirubah menjadi persamaan (=) dengan mengurangkan satu variabel surplus. Elemen pivot akan menjadi dasar perhitungan untuk tabel simpleks berikutnya.9 0. Fungsi kendala dengan persamaan dalam benttuk umum. 11. x2 ≥ 0 Bentuk di atas adalah bentuk umum pemrograman liniernya. Variabel keluar adalah variabel yang keluar dari variabel basis pada iterasi berikutnya dan digantikan oleh variabel masuk.6 x2 ≥ 27 0.02 x1 + 0. Fungsi kendala dengan pertidaksamaan ≥ dalam bentuk umum. 2.10. BENTUK BAKU Sebelum melakukan perhitungan iteratif untuk menentukan solusi optimal.002 x2 ≤ 0. tetapi setiap fungsi kendala harus diwakili oleh satu variabel basis awal. model matematik tersebut akan berubah menjadi : 2 . Variabel masuk dipilih satu dari antara variabel non basis pada setiap iterasi. 12. Variabel keluar dipilih satu dari antara variabel basis pada setiap iiterasi.

Semua variabel yang bukan variabel basis mempunyai solusi (nilai kanan) sama dengan nol dan koefisien variabel basis pada baris tujuan harus sama dengan 0. s2 .09 x1 + 0.001 x1 + 0. x2 . s4. s1. Perhatikan pula kasus B berikut ini : Maksimumkan z = 2x1 + 3x2 Kendala : 10 x1 + 5 x2 ≤ 600 6 x1 + 20 x2 ≤ 600 8 x1 + 15 x2 ≤ 600 x1. Gunakan kasus B di atas. karena semua fungsi kendala menggunakan bentuk pertidaksamaan ≤ dalam bentuk umumnya. kita akan bekerja menggunakan tabel. sedangkan fungsi kendala ketiga mendapatkan variabel surplus (s3) dan variabel buatan (s4) karena bentuk umumnya menggunakan pertidaksamaan ≥.Fungsi tujuan : minimumkan z = 2 x1 + 5. PEMBENTUKAN TABEL SIMPLEKS Dalam perhitungan iterative. Bentuk baku yang sudah diperoleh. Fungsi kendala kedua dan keempat mendapatkan variabel slack (s2 dan s5) karena bentuk umumnya menggunakan pertidaksamaan ≤. Oleh karena itu kita harus membedakan pembentukan tabel awal berdasarkan variabel basis awal. harus dibuat ke dalam bentuk tabel. s2. s3. x2 ≥ Bentuk di atas juga merupakan bentuk umum.5 x1. karena bentuk umumnya sudah menggunakan bentuk persamaan.02 x1 + 0. x2 . Maka bentuk bakunya adalah sebagai berikut : Maksimumkan z = 2x1 + 3x2 + 0s1 + 0s2 + 0s3 Kendala : 10 x1 + 5 x2 + s1 = 600 6 x1 + 20 x2 + s2 = 600 8 x1 + 15 x2 + s3 = 600 x1.002 x2 + s2 = 0. Dalam sub bab ini kita hanya akan memperhatikan fungsikendala yang menggunakan variabel slack dalam bentuk bakunya. Perubahan ke dalam bentuk baku hanya membutuhkan variabel slack. s3 ≥ 0 s1 . s3 merupakan variable slack. maka tabel awal simpleksnya adalah : 3 . s5 ≥ 0 Fungsi kendala pertama mendapatkan variable buatan (s 1). s1 . s2 .9 0.06 x2 + s5 = 4.5 x2 Kendala : x1 + x2 + s1 = 90 0. sedangkan yang menggunakan variabel buatan akan dibahas pada sub bab lainnya.6 x2 – s3 + s4 = 27 0.

Tabel simpleks baru dibentuk dengan pertama sekali menghitung nilai baris pivot baru. maka tabel tidak layak. Jika solusi ada yang bernilai negatif. tabel sudah optimal jika semua nilai pada baris z sudah positif atau 0. Jika tujuan maksimisasi. Tentukan elemen pivot. maka kita akan mendapatkan variabel keluar. maka kolom pivot adalah kolom dengan koefisien paling negatif. pilih salah sau secara sembarang. maka kolom pivot adalah kolom dengan koefisien positif terbesar. Bentuk tabel simpleks baru. 4. Jika kolom pivot ditandai dan ditarik ke atas. Baris pivot baru adalah baris pivot lama dibagi dengan elemen pivot. Kelayakan tabel simpleks dilihat dari solusi (nilai kanan). 2 . jika sudah optimal baca solusi optimalnya. Pada tujuan minimisasi. Penentuan kolom pivot dilihat dari koefisien fungsi tujuan (nilai di sebelah kanan baris z) dan tergantung dari bentuk tujuan. kembali ke langkah no. Jika tujuan minimisasi . Periksa apakah tabel layak atau tidak. Baris pivot ditentukan setelah membagi nilai solusi dengan nilai kolom pivot yang bersesuaian (nilai yang terletak dalam satu baris). Jika nilai paling negatif (untuk tujuan maksimisasi) atau positif terbesar (untuk tujuan minimisasi) lebih dari satu. 5. Jika rasio pembagian terkecil lebih dari satu. Tentukan kolom pivot. 2. Periksa apakah tabel sudah optimal. 6. Untuk tujuan maksimisasi. Keoptimalan tabel dilihat dari koefisien fungsi tujuan (nilai pada baris z) dan tergantung dari bentuk tujuan. Jika belum.VB Z S1 S2 S3 X1 -2 10 6 8 X2 -3 5 20 15 S1 0 1 0 0 S2 0 0 1 0 S3 0 0 0 1 solusi 0 600 600 600 LANGKAH-LANGKAH PENYELESAIAN Langkah-langkah penyelesaian adalah sebagai berikut : 1. maka kita akan mendapatkan variabl keluar. nilai negatif dan 0 pada kolom pivot tidak diperhatikan. 4 . Jika baris pivot ditandai dan ditarik ke kiri. Tentukan baris pivot. artinya tidak ikut menjadi pembagi. Dalam hal ini. Baris pivot adalah baris dengan rasio pembagian terkecil. pilih salah satu secara sembarang. Tabel yang tidak layak tidak dapat diteruskan untuk dioptimalkan. tabel sudah optimal jika semua nilai pada baris z sudah negatif atau 0. Baris baru lainnya merupakan pengurangan nilai kolom pivot baris yang bersangkutan dikali baris pivot baru dalam satu kolom terhadap baris lamanya yang terletak pada kolom tersebut. 3. Elemen pivot merupakan nilai yang terletak pada perpotongan kolom dan baris pivot.

Semua nilai pada baris s2 pada tabel solusi awal dibagi dengan 3 (elemen pivot). Rasio pembagian nilai kanan dengan kolom pivot terkecil adalah 1 bersesuaian dengan baris s2.x2.x3 . s2 .9 x2 .x3 ≥ 0 Penyelesaian : Bentuk bakunya adalah : Maksimum z = 8 x1 + 9 x2 + 4x3 + 0s1 + 0s2 + 0s3 atau z .x2.Selesaikan kasus berikut ini menggunakan metode simpleks : Maksimum z = 8 x1 + 9 x2 + 4x3 Kendala : x1 + x2 + 2x3 ≤ 2 2x1 + 3x2 + 4x3 ≤ 3 7x1 + 6x2 + 2x3 ≤ 8 x1. X1 -8 1 2 7 X2 -9 1 3 6 X3 -4 2 4 2 S1 0 1 0 0 S2 0 0 1 0 S3 0 0 0 1 NK 0 2 3 8 Rasio 2 1 8/6 5 .s1 . Elemen pivot adalah 3. s3 ≥ 0 Solusi / table awal simpleks : VB Z S1 S2 S3 X1 -8 1 2 7 X2 -9 1 3 6 X3 -4 2 4 2 S1 0 1 0 0 S2 0 0 1 0 S3 0 0 0 1 NK 0 2 3 8 Rasio Karena nilai negative terbesar ada pada kolom X2. VB Z S1 S2 S3 Iterasi 1 Nilai pertama yang kita miliki adalah nilai baris pivot baru (baris x2).8 x1 . maka kolom X2 adalah kolom pivot dan X2 adalah variabel masuk.4x3 + 0s1 + 0s2 + 0s3 = 0 Kendala : x1 + x2 + 2x3 + s1 = 2 2x1 + 3x2 + 4x3 + s2 = 3 7x1 + 6x2 + 2x3 + s3 = 8 x1. maka baris s2 adalah baris pivot dan s2 adalah varisbel keluar.

Karena nilai baris z di bawah variabel x 1 masih negatif. Selanjutnya kita periksa apakah tabel sudah optimal atau belum. maka tabel belum optimal. Kolom dan baris pivotnya ditandai pada tabel di bawah ini : VB Z S1 X2 S3 X1 -2 1/3 2/3 3 X2 0 0 1 0 X3 8 2/3 4/3 -6 S1 0 1 0 0 S2 3 -1/3 1/3 -2 S3 0 0 0 1 NK 9 1 1 2 Rasio 3 3/2 2/3 Variabel masuk dengan demikian adalah X1 dan variabel keluar adalah S3 .VB Z S1 x2 S3 X1 2/3 X2 1 X3 4/3 S1 0 S2 1/3 S3 0 NK 1 Rasio Perhitungan nilai barisnya : Baris z : -8 -9 ( 2/3 -2 Baris s1 : 1 1 (2/3 1/3 Baris s3 : 7 6 ( 2/3 3 6 1 0 2 4/3 -6 0 0 0 0 1/3 -2 1 0 1 8 1)2 1 1 0 2 4/3 2/3 1 0 1 0 1/3 -1/3 0 0 0 2 1)1 -9 1 0 -4 4/3 8 0 0 0 0 1/3 3 0 0 0 0 1) 9 Maka tabel iterasi 1 ditunjukkan tabel di bawah. Hasil perhitungan iterasi ke 2 adalah sebagai berikut : Iterasi 2 : VB Z S1 X2 X1 X1 0 0 0 1 X2 0 0 1 0 X3 4 4/3 8/3 -2 S1 0 1 0 0 S2 5/3 -1/9 7/9 -2/3 S3 2/3 -1/9 -2/9 1/3 NK 31/3 7/9 5/9 2/3 Rasio 6 .

kemungkinan terburuknya kita akan melakukan perhitungan iteratif sebanyak n kali. MEMBACA TABEL OPTIMAL Membaca tabel optimal adalah bagian penting bagi pengambil keputusan. Menggunakan table optimal : VB Z S1 X2 X1 X1 0 0 0 1 X2 0 0 1 0 X3 4 4/3 8/3 -2 S1 0 1 0 0 S2 5/3 -1/9 7/9 -2/3 S3 2/3 -1/9 -2/9 1/3 NK 31/3 7/9 5/9 2/3 Solusi optimal X1 = 2/3. Disarankan jangan menggunakan bentuk bilangan desimal. X2 = 5/9 . Solusi optimal variable keputusan 2. Ada beberapa hal yang bisa dibaca dari table optimal : 1. Jika titik ekstrim berjumlah n. Perhitungan iteratif dalam simpleks pada dasarnya merupakan pemeriksaan satu per satu titik-titik ekstrim layak pada daerah penyelesaian. Pembulatan harus diperhatikan dengan baik.Tabel sudah optimal. maka perusahaan sebaiknya menghasilkan produk 1 sebesar 2/3 unit dan produk 2 sebesar 5/9 unit. akan lebih teliti jika menggunakan bilangan pecahan. Status sumber daya 3. artinya untuk mendapatkan keuntungan maksimum sebesar $ 31/3 . Pemeriksaan dimulai dari kondisi nol (dimana semua aktivitas/variabel keputusan bernilai nol). 7 . sehingga perhitungan iterasi dihentikan ! Perhitungan dalam simpleks menuntut ketelitian tinggi. X3 = 0 dan Z = 31/3. Kedua sumber daya ini disebut habis terpakai (scarce). untuk fungsi kendala pertama periksa keberadaan S1 pada variable basis table optimal. harga bayangan (dual/shadow prices). Periksa keberadaan S 2 pada variable basis table optimal untuk fungsi kendala kedua. Periksa keberadaan S 3 pada variable basis table optimal untuk fungsi kendala ketiga. khususnya jika angka yang digunakan adalah pecahan. Status sumber daya : Sumber daya pertama dilihat dari keberadaan variable basis awal dari setiap fungsi kendala pada table optimal. Dalam kasus di atas. Sumber daya ini disebut berlebih (abundant) S2 = S3 = 0. Pembulatan dapat menyebabkan iterasi lebih panjang atau bahkan tidak selesai karena ketidaktelitian dalam melakukan pembulatan. S1 = 7/9.

dengan demikian harga bayangan sumber daya kedua adalah 5/3 Koefisien S3 pada baris fungsi tujuan table optimal = 2/3. dengan demikian harga bayangan sumber daya pertama adalah 0 Koefisien S2 pada baris fungsi tujuan table optimal = 5/3. Hotniar.Harga bayangan : Harga bayangan dilihat dari koefisien variable slack atau surplus pada baris fungsi tujuan. Pemrograman Linear. Sumber : Siringoringo. Seri Teknik Riset Operasional. Yogyakarta. Penerbit Graha Ilmu. 2005. Koefisien S1 pada baris fungsi tujuan table optimal = 0. 8 . dengan demikian harga bayangan sumber daya kedua adalah 2/3.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->