22 Syarat ini merupakan sayarat mencapai nilai optimal fungsi tujuan (minimisasi biaya) dengan kendala pendapatan yang

sudah tertentu. Dengan menggunakan syarat ini akan diketahui jumlah X1 dan X2 yang meminimum biaya a. Second rder !ondition (S !)
(1)...........F V1 ( Py . f1 ) 1 =

F1 F1 = F11 dan = F12 X 1 X 2

( 2)...........F2 =V2 ( Py . f 2 )

F2 F2 = F21 dan = F22 X 1 X 2

(.)...........TR " Py . f ( X 1 # X 2 ) =$ atau

Py . f ( X 1 # X 2 ) TR" = $ Py . f ( X 1 # X 2 ) TR" = F F F = q1 dan = q2 X 1 X 2

b. %turan & 'order (essian

H = q1 F11 F12 q2 F21 F22

%pabila
H

$ q1 q2
> $ = Optimum maksimum < $ = Optimum min imum

nilainya lebih kecil nol (negatif)# berarti fungsi tujuan untuk

minimum biaya terbukti. Contoh (4) : Minimisasi Biaya dengan Kendala Output a. )ungsi sasaran (fungsi biaya) *! + ,1 X1 - ,2 X2

2. b. /ersamaan kendala (produksi tertentu) 0" + f (X1# X2)

c. )ungsi lagrange

L = V1 X 1 + V2 X 2 + [Y " f ( X 1 # X 2 )]
d. )irst rder !ondition () !)
L = F1 =V1 . f1 = $.......................(1) X1 L = F2 = V2 . f 2 = $.....................(2) X2

L = Y " f ( X 1 # X 2 ) = $....................(.)

(1)............. F1 = V 1. f1 = $

V1 f1

(2)............ F2 = V2 . f 2 = $

=
1adi =

V2 f2

V1 V2 = f1 f1

Syarat ini merupakan mencapai nilai optimal fungsi tujuan (minimisasi biaya) dengan kendala output yang tidak tertentu. Dengan menggunakan syarat ini akan diketahui jumlah X1 dan X2 yang meminimum biaya. e. Second rder !ondition (S !)
(1)........... F1 =V1 . f1

F1 F1 = F11 dan = F12 X 1 X 2

( 2)...........F2 = V2 . f 2

25
F2 F2 = F21 dan = F22 X 1 X 2
(.).......... Y " f ( X 1 # X 2 ) = $ atau
f ( X 1 # X 2 ) Y " = $ f ( X 1 # X 2 ) Y " = F F F = q1 dan = q2 X 1 X 2

f. %turan & 'order (essian

H = q1 F11 F12 q2 F21 F22

%pabila
H

$ q1 q2
> $ = Optimum maksimum < $ = Optimum min imum

nilainya lebih kecil nol (negatif)# berarti fungsi tujuan untuk

meminimum biaya dengan kendala output (yang sudah tertentu) terbukti. 1.2.2. OPTIM !I "#$%!I M#&TI' (I T (n. ' (I B)& B)B !) *)$% $ ! T# P)(! M 0 + f (X1# X2# 2222 Xn) b. Dengan persamaan kendala 3 (X1# X2 22222.. Xn) + !" c. )ungsi lagrange
L = f ( X 1 # X 2 #................ X n ) + [C " q ( X 1 # X 2 #............ X n )]

$ K)$* &

a. 1ika fungsi sasaran (fungsi obyektif) mempunyai bentuk

d. )irst 4 rder !ondition () !)

L = F1 = f1 . f1 = $ X 1

28
L = F2 = f 2 . f 2 = $ X 2 L = Fn = f n . f n = $ X n

L = C " q ( X 1 # X 2 ......... X n ) = $

Dengan menggunakan tehnik subsitusi# aturan cramer# atau in6ers matriks# akan didapat nilai + X1# X2 22.. Xn yang mengoptimal fungsi tujuan. e. Second rder !ondition (S !) *urunan /ertama F1 = f1 . f1 *urunan 7edua
F1 = F11 X 1 F1 = F12 X 2 F1 = F1n X n
F2 = f 2 . f 2

F2 = F21 X 1 F2 = F22 X 2 F2 = F2 n X n Fn = Fn1 X 1 Fn = Fn 2 X 2 Fn = Fn n X n

Fn = f n . f n

Difrensial total dari persamaan kendala /ersamaan kendala 3 (X1# X2# .. Xn)+ !"
q & q1 X 1 + q2 X 2 +......... + qn X n = $

2:

'order (essian adalah &

$ q1 q2. . . qn H=

q1 F11 F12. . . Fn q2 F21 F22. . .F2n qn Fn1 Fn2 . . . Fnn

%turan 'order (essian digunakan untuk mengetahui upah nilai optimal maksimum atau minimum. 9inor matriks secara berturut4turut dapat didefinisikan sebagai berikut &

$ q1 q2 H2 =

q1 F11 F12 qn F21 F22

2<

$ q1 q2 q. H. =

q1 F11 F12 F1. q2 F21 F22 F2. q. F.1 F.2 F..

( dan seterusnya ) H ; H 8

%pabila &
H 2 # H . #....... H 2 = <$.............. Optimum min imum H 2 >$# H . <$# H 5 >$.........Optimum maksimum

1.+.

OPTIM !I "#$%!I M#&TI' (I T (n ' (I B)& *)$% $ M#&TI K)$* &

a. )ungsi sasaran (fungsi obyketif) dengan n 6ariabel bebas# dapat ditulis & 0 + f (X1# X2# 2222.. Xn) b. 1ika ada lebih dari satu persamaan kendala# metode pengali lagrange tetap dapat dipakai dengan menciptakan pengali lagrange sebanyak kendala yang terdapat di dalam fungsi lagrange. 7atakanlah ada fungsi n 6ariabel secara simultan di dalam dua kendala
q1 ( X 1 # X 2 #........ X n = C1.........kendala (1) q 2 ( X 1 # X 2 #........ X n = C1.........kendala ( 2)

Dalam bentuk yang lebih umum &

q i ( X 1 # X 2 #........ X n = C j

c. 7emudian dengan dan sebagai pengali lagrange# kita dapat membentuk fungsi lagrange sebagai berikut &

L = f ( X 1 # X 2 #......... X n ) + C1 q1 ( X 1 # X 2 #....... X n ) + C 2 q 2 ( X 1 # X 2 ...... X n

Dalam bentuk yang lebih umum fungsi lagrange akan menjadi &

]]

2=

L = f ( X 1 # X 2 #......... X n ) + J C j q i ( X 1 # X 2 #......... X n )
j =1

d. )irst 4 rder !ondition () !)

L = Fi = f i qi hi = $ X i L = C 1 q1 ( X 1 # X 2 #....... X n ) = $ L = C 2 q 2 ( X 1 # X 2 #....... X ) = $

Dengan menggunakan aturan cramer atau aturan in6ers matriks# kita dapat menentukan X"i# # dan yang mengoptimal fungsi tujuan. e. Second rder !ondition (S !)
F1 F1 F1 = F11 ; = F12 ; = F1n X 1 X 2 X n F2 F2 F2 = F21 ; = F22 ; = F2 n X 1 X 2 X n Fn Fn Fn = Fn1 ; = Fn 2 ; = Fn n X 1 X 2 X n

dimana deri6atif masing4masig persamaan kendala +

qi =
q
j

q j X i
= q11 ; q1 q1 1 1 = q2 ; = qn X 2 X 2

X 1

q q 2 q 2 2 2 = q 21 ; = q2 ; = qn X 1 X 2 X n

f. 'order (essian

2A

$ $ q1 q2 ........qn

$ $ q1 q2 .......qn
1 2 1 2

H = q1 q1 .... F11 F12.....F1n q2 q2 .... F21 F22.....F2n qn qn

1 2

Fn1 Fn2 .....Fnn

H

'eberapa minor utama dari matriks

. Salah satunya adalah yang mengandung

H2

)22 sebagai elemen terakhir dari diagonal utamanya dapat ditunjukkan

Dengan memasukkan satu baris dan satu kolom lagi sehingga ) .. masuk kedalamnya kita akan mempunyai n
H.

# dan sterusnya.

menunjukkan jumlah 6ariabel bebas

m menunjukkan jumlah kendala# dan m > n #ntu,

mema,simum

-.

kondisi

cukup?order

kedua

&

H n+ 1 # H m+ 2 #.......... H n
H m +1 = ( 1) m +1 H . < $

; berganti4ganti tanda# jika m + 2 &

H m +2 = ( 1) m +2 H 5 > $

#ntu, meminimum -# kondisi cukup?order kedua adalah bah@a minor utama matrik
H

mempunyai tanda yang sama.

H m+ 1 = H Z

1ika m + 1# maka +

bertanda (41)2 + positif# jadi

H 2 >$

seperti

apa yang disyaratkan pada sub pokok bahasan 8 . 2 . 2.

.$ 'I. &I$I)( P(O%( MI$% /ada bagian terdahulu# telah dibahas optimasi terkendala dengan menggunakan teknik kalkulus difrensial# termasuk metode lagrange. /ada bagian ini akan dibahas metode optimasi yang lain yaitu metode pemrograman matematika. (9athematical /rograming). /emrograman matematika ini termasuk teknik untuk menge6aluasi masalah optimasi terkendala. %pabila fungsi sasaran?fungsi tujuan dan kendala4 kendalanya dinyatakan dalam bentuk linier# maka jenis pemrograman matematika tersebut disebut program non linier (Binier /rograming). /erbedaan teknik kalkulus difrensial (antara lain metode lagrange) dengan linier programing adalah & Co 1 2 *eknik 7alkulus Difrensial (metode lagrange) 7endala4kendala dalam bentuk persamaan (+) )ungsi tujuan dan kendala dapat berbentuk non linier atau linier Binier /rograming 7endala4kendalanya dalam bentuk pertidaksamaan ( atau ) (anya terbatas pada fungsi tujuan dan kendala yang linier

/.1 P)$* 0#&# $

/ada bagian ini akan dijelaskan linier programing dan penerapannya. Solusi optimal dalam linier programing terdiri dari (1) metode grafis# (2) metode simpleks# dan (.) metode simpleks dengan program dual.

/.2 P)(#M#! $ #M#M M ! & 0 &I$I)( P(O%( MI$% Dalam merumuskan masalah linier programing terdapat tiga hal yang harus dirumuskan lebih a@al sebelum menyusun bentuk umum linier programing# dan solusi optimalnya# yaitu & 1. 9embentuk fungsi sasaran atau fungsi tujuan (objecti6e function)# apakah memaksimum profit# meminimum biaya# atau lainnya. 2. 9embentuk pertidaksamaan kendala4kendala (constraine).

.1 .. /enegasan batasan non4negatif dari setiap 6ariabel46ariabel yang dimasukkan dalam model. 'entuk umum untuk masalah programasi linier dengan n 6ariabel pilihan dan n2 kendala# dalam memaksimum tujuan?sasaran adalah & 1. )ungsi tujuan (memaksimumkan )
= C1 X 1 + C2 X 2 + ....... + Cn X n

atau meminimum

nilai fungsi

Dengan kendala &

a11 X 1 + a12 X 2 + ....... + a1n X a21 X 1 + a22 X 2 + ....... + a2 n X am1 X 1 + am 2 X 2 + ...... + am X
1 2 m

2. )ungsi tujuan (meminimum !)

C = C1 X 1 + C2 X 2 +.......C X

Dengan kendala &

a11 X 1 + aD12 X 2 + ........ + a X a21 X 1 + a22 X 2 + ........a2 X am1 X 1 + am 2 X 2 + .......am X
1 2 m

Entuk memacahkan masalah programasi linier dapat menggunakan metode grafik# metode simpleks# dan metode simpleks dengan program dual. Dengan menggunakan metode tersebut akan dapat ditentukan nilai 6ariabel pilihan (X") dan nilai fungsi tujuan (" atau !") yang optimal. /.+ M)TO*) %( "IK 9etode grafik merupakan salah satu cara untuk memecahkan masalah linier programing. 9etode ini hanya mungkin dapat dilakukan apabila hanya terdapat dua 6ariabel pilihan (misalnya 6ariabel X1 dan X2) @alaupun kendalanya lebih dari dua pertidaksamaan kendala. Contoh & untuk fungsi tujuan maksimisasi &

.2 /erusahaan yang menghasilkan dua macam produk yaitu X1 dan X2# telah mengetahui keuntungan per unit produk X1 adalah Fp. =$$$#$$ dan per unit produk X2 adalah Fp. <$$$#$$# sehingga fungsi tujuan dapat ditentukan & + =$$$ X1 - <$$$ X2. Entuk memproduksi kedua produk tersebut terdapat kendala# yaitu kendala pertama dari segi @aktu operasi mesin# kendala kedua dari segi bahan baku# dan kendala ketiga dari segi ketersediaan modal operasional. /ertidaksamaan kendala tersebut adalah & 7endala (1) & 2 X1 - . X2 25 7endala (2) & 2 X1 - X2 1: 7endala (.) & X1 - 5 X2 2< *entukan jumlah X1 dan X2 yang diproduksi?dipasarkan untuk mencapai nilai optimal dari fungsi tujuan (") Gambar (1.7 & :.1)

9emperhatikan grafik di atas# bagian yang diarsir disebut daerah yang layak ()easible Fegion). 9emperhatikan daerah layak tersebut dapat ditentukan alternatif titik optimum# yaitu titik % (=#$)# ' (:#5)# D (.#:)# dan H ($#
2< ). 5

.. %pabila absis (X1) dan ordinat (X2) dari masing4masing titik disubsitusikan ke fugsi tujuan akan diketahui alternatif nilai optimal fungsi tujuan. Dengan demikian# penyelesaian optimal dari masalah linier programing dalam kasus ini adalah X1+ :# dan X2 + 5 # dan maksimum profit berjumlah " + Fp. <:.$$$#$$. Contoh & Entuk fungsi tujuan# minimisasi & /erusahaan memproduksi dua macam produk# yaitu produk X1 dan X2# untuk menghasilkan satu unit produk X1 membutuhkan biaya Fp. 1$.$$$#$$ dan satu unit produk X2 membutuhkan biaya Fp. 18.$$$#$$. )ungsi tujuan & ! + 1$.$$$ X1 - 18.$$$ X2. 9asing4masing produk memerlukan tiga bagian operasi yang berbeda dalam proses produksi. /roduk X1& memerlukan @aktu untuk menggiling# merakit# dan menguji secara berturut4turut .$# 5$# dan 2$ menit. /roduk X2 memerlukan @aktu 18# =$# A$ menit untuk menggiling# merakit# dan menguji. 7apasitas @aktu untuk menggiling# merakit dan menguji secara berurutan & A$$# 25$$# 1=$$ menit. 7endala (1) Iaktu menggiling & .$ X1 -18 X2 A$$ 7endala (2) Iaktu merakit & 5$ X1 - =$ X2 25$$ 7endala (.) Iaktu menguji & 2$ X1 - A$ X2 1=$$ *entukan jumlah X1 dan X2 yang meminimum biaya kedua produk tersebut J

Gambar (1.7 & :.8)

.5

9emperhatikan grafik di atas# bagian yang diarsir disebut daerah layak ()easible Fegion) untuk fungsi tujuan minimisasi. 9emperhatikan daerah layak tersebut dapat ditentukan alternatif titik optimum minimum# yaitu & % ($#:$)# / (2$#2$)# K (.:#12)# dan ) (A$#$). %pabila absis dan ordinat dan masing4masing titik disbusitusikan ke fungsi tujuan akan diketahui alternatif nilai minimum dari fungsi tujuan. Dengan demikian diketahui penyelesaian optimal dari masalah linier programing dalam kasus ini adalah & X1 + 2$# X2 + 2$# dan minimum biaya Fp. 8$$.$$$#$$ /.4 M)TO*) !IMP&)K! /.4.1 P)$* 0#&# $ 9etode simpleks adalah suatu prosedur aljabar (yang bukan secara grafik) untuk mencari nilai optimal dari fungsi tujuan dalam masalah optimasi yang terkendala. /erhitungan dalam metode simpleks didasarkan pada aljabar matriks# terutama mencari in6ers matirks untuk penyelesaian persamaan linier simultan# oleh karena itu penyelesaian optimal dengan metode simpleks dia@ali pengubahan kendala pertidaksamaan menjadi persamaan. Entuk mencari nilai optimum dengan menggunakan metode simpleks dilakukan dengan proses pengulangan (iterasi) dimulai dari penyelesaian dasar a@al

.8 yang layak (feasible) hingga penyelesaian dasar akhir yang layak dimana nilai dari fungsi tujuan telah optimum. /.4.2 P)(!- ( T $ M)TO*) !IMP&)K! *erdapat tiga persayaratan untuk memecahkan masalah linier programing# yaitu & 1. Semua kendala pertidaksamaan harus diubah menjadi persamaan. 2. Sisi kanan dari tanda pertidaksamaan kendala tidak boleh adanya negatif. .. Semua 6ariabel dibatasi pada nilai non negatif. /.4.+ P)$#&I! $ !T $* ( * (I M)TO*) !IMP&)K! 'erdasarkan ketiga persyaratan di atas# maka kita dapat menulis bentuk standar dari metode simpleks sebagai berikut & 1. 1ika masalah linier programing berupa fungsi tujuan maksimisasi. Sebagai contoh untuk dua 6ariabel dan dua kendala & 9aksimumkan & + !1 X1 - !2 X2
a11 X 1 + a12 X 2
1 2

Dengan kendala & a21 X 1 + a22 X 2

X 1 $ dan X 2 $

'entuk standar metode simpleks di atas dapat ditulis menjadi & a. )ungsi tujuan bentuk eksplisit diubah menjadi bentuk implisit. 4 - !1 X 1 - !2 X 2 + $ b. 7endala bentuk pertidaksamaan (tanda ) diubah menjadi persamaan dengan cara menambahkan 6ariabel slack pada ruas kiri# sehingga menjadi &
a11 X 1 + a12 X 2 + !1 = a21 X 1 + a22 X 2 + ! 2 =
1 2

dimana & S1 dan S2 adalah 6ariabel slack non negatif. c. Dalam notasi matriks# kita peroleh &

.:

X $ 1 C1 C2 $ $ 1 $ a a 1 $ 11 22 X 2 = 1 $ a21 a22 $ 1 ! 1 2 !1
d. *abel Simpleks /ertama ,ariabel Dasar S1 S2 41 $ $ X1 -!1 a11 a21 X2 -!2 a12 a22 S1 $ 1 $ S2 $ $ 1 Cilai kanan (konstanta) $ 71 72

2. 1ika masalah linier programing berupa fungsi tujuan minimisasi. 9inimumkan & ! + c1 X1 - c2 X2
a11 X 1 + a22 X 2
1

Dengan kendala & a11 X 1 + a22 X 2 2 X 1 $ dan X 2 $ 'entuk standar metode simpleks dapat ditulis menjadi & a. )ungsi tujuan semula bentuk eksplisit diubah menjadi bentuk implisit & 4 ! - c1 X1 - c2 X2 + $ b. 7endala pertidaksamaan (tanda )

.< Diubah menjadi persamaan dengan cara dikurangi 6ariabel slack kemudian ditambah 6ariabel buatan & a11 X1 - a12 X2 S1 - %1 + 71 a21 X1 - a22 X2 4 S2 - %2 + 72 dimana & S1 dan S2 adalah 6ariabel slack %1 dan %2 adalah 6ariabel buatan c. Dalam notasi matriks# kita peroleh &

C X 1 1 "1 "2 $ $ $ $ X 2 $ $ a a 1 $ 1 $ ! = 11 12 1 1 $ a21 a22 $ $ 1 1 !2 2 #1 # 2

d. *abel Simpleks /ertama ,ariabel Dasar S1 S2 ! 41 $ $ X1 -c1 a11 a21 X2 -c2 a12 a22 S1 $ 41 $ S2 $ $ 41 %1 $ 1 $ %2 $ $ 1 Cilai kanan (konstanta) $ 71 72

/.4.4. P)$-)&)! I $ *)$% $ M TO*) !IMP&)K!

.= Setelah kita mengetahui penulisan umum dari metode simpleks# maka langkah penyelesaian guna memperoleh kombinasi yang optimal dari 6ariabel pilihan (XL) adalah sebagai berikut & 1. 9embuat tabel simpleks a@al?pertama 2. 9enentukan kolom pi6ot (kolom kunci). 7olom kunci adalah kolom yang berada pada angka positif terbesar dalam baris fungsi tujuan (baris pertama). .. 9enentukan baris pi6ot (baris kunci). /ilihlah baris dengan hasil bagi antara nilai kanan (konstanta) positif dengan angka pada kolom kuncinya yang terkecil. %ngka yang berada pada perpotongan kolom kunci dan baris kunci disebut angka kunci. 5. 9enentukan baris kunci baru dengan cara membagi semua elemen dalam baris kunci dengan angka kunci agar angka kunci sama dengan 1 (satu). 8. 9enentukan baris lain (selain baris kunci) yang baru & 'aris baru + (baris lama) (angka pada kolom kunci yang bersesuaian dengan baris lama dikali baris kunci baru). :. Setelah diketahui baris kunci baru dan baris lain yang baru# bentuklah tabel simpleks kedua. <. /erhatikan tabel simpleks kedua# jika angka pada baris pertama (baris fungsi tujuan) masih terdapat angka positif# lakukan langkah berikutnya dengan cara yang sama. 1ika sudah tidak ada lagi angka positif pada baris pertama# berarti penyelesaian telah optimal# dan akan dapat diketahui nilai 6ariabel pilihan yang akan mengoptimal fungsi tujuan. Contoh untu, masalah ma,simisasi : Gunakan metode simpleks untuk memaksimumkan + =$$$ X1 - <$$$ X2 Dengan kendala &

.A
2 X 1 + . X 2 25 2 X 1 + X 2 1: X 1 + 5 X 2 2< X 1 $ dan X 2 $

/enyelesaian & 1. )ungsi tujuan dalam bentuk implisit & 4 - =$$$ X1 - <$$$ X2 + $ 2. 7arena masalah maksimisasi# maka kendala harus ditambah 6ariabel slack &
2 X 1 + . X 2 + !1 = 25 2 X 1 + X 2 + ! 2 = 1: X 1 + 5 X 2 + !. = 2<

.. *abel Simpleks L (a@al) ,ariabel Dasar 'aris 1 + 'aris 2 + S1 'aris . + S2 'aris 5 + S. 41 $ $ $ X1 =$$$ 2 2 1 X2 <$$$ . 1 5 S1 $ 1 $ $ S2 $ $ 1 $ S. $ $ $ $ Cilai kanan (konstanta) $ 25 1: 2<

7olom kunci adalah kolom X1 'aris kunci adalah baris . &ang,ah1lang,ah Mem2entu, Ta2el !imple,s II 1. 7olom kunci adalah kolom yang berada pada angka positif terbesar dalam baris pertama# yaitu kolom X1. 2. 'aris kunci adalah & 'aris 2 +
&ilai kanan ( & ) #n%ka k$l$m kun"i ( #
&ilai kanan 1:

25 = 12 2

'aris . + #n%ka k$l$m kun"i = 2 = = p$sitif terke"il

5$ 'aris 5 + #n%ka k$l$m kun"i = 1 = 2< 'aris kunci adalah baris . .. 'aris kunci baru (baris . baru) & 'aris kunci lama & $ $ X1 2 1 X2 1 M S1 $ $ S2 1 M S. $ $ C7 1: =
&ilai k$l$m 2<

'aris kunci baru + 'aris lama dibagi angka kunci

5. 'aris lain yang baru 'aris (1) 'aru + 'aris (1) lama ('aris kunci baru N =$$$) 'aris (2) 'aru + 'aris (2) lama ('aris kunci baru N 2) 'aris (5) 'aru + 'aris (5) lama ('aris kunci baru N 1) 8. *abel Simpleks LL ,ariabel Dasar 'aris (1) + 'aris (2) + S1 'aris (.) + X1 'aris (5) + S. 41 $ $ $ X1 $ $ 1 $ X2 .$$$ 2 M .#8 S1 $ 1 $ $ S2 45$$$ 41 M 4M S. $ $ $ $ Cilai 7anan 4:5.$$$ = = 1A

&ang,ah Mem2entu, Ta2el !imple,s III 1. 7olom kunci + 7olom X2 2. 'aris kunci + 'aris 2 + 'aris . +
& # & # = = = = 5 p$sitif terke"il 2 = = 1: 1? 2

51 'aris 5 +
& # = 1A = 8#5. .#8

'aris kunci adalah baris 2 .. 'aris kunci baru (baris 2 baru) + $ X1 $ X2 1 S1 M S2 4M S. $ C7 5

5. 'aris lain yang baru + 'aris (1) 'aru + 'aris (1) lama ('aris kunci baru N .$$$) 'aris (.) 'aru + 'aris (.) lama ('aris kunci baru N M) 'aris (5) 'aru + 'aris A5) lama ('aris kunci baru N .#8) 8. *abel Simpleks LLL ,ariabel Dasar 'aris (1) + 'aris (2) + X2 'aris (.) + X1 'aris (5) + S5 41 $ $ $ X1 $ $ 1 $ X2 $ 1 $ $ S1 S2 S. $ $ $ 1 Cilai 7anan 4<:.$$$ 5 : 8

418$$ 428$$ M 41?5 4<?5 4M

O 8?5

7arena pada baris (1) tidak ada lagi yang bernilai positif# penyelesaian optimal selesai. X1 + : ; X2 + 5 ; 4 + 4<:.$$$ "+ <:.$$$ /.4. M)TO*) !IMP&)K! *)$% $ P(O%( M *# & /.4.2. P)$* 0&# $ /embahasan tentang masalah dualitas dalam linier programing menjadi penting# ketika kita akan menentukan nilai optimal fungsi tujuan dengan kendala4kendala yang bertanda lebih besar atau sama dengan nol ().

52 %pabila kendala4kendala bertanda # penentuan nilai optimal fungsi tujuan dengan linier kendala programing menjadi dia@ali pengubahan /engubahan bentuk bentuk pertidaksamaan persamaan.

pertidaksamaan kendala untuk menjadi persamaan harus memasukkan 6ariabel buatan (%rtifisial ,ariable) disamping memasukkan 6ariabel slack (slack 6ariable). !ontoh & 9inimumkan & ! + : X 1 + 25 X 2 Dengan kendala +
X1 + 2 X 2 . X1 + 5 X 2 5

%gar kendala pertidaksamaan menjadi persamaan maka harus dikurangi 6ariabel slack dan ditambah 6ariabel buatan.
X 1 + 2 X 2 !1 + #1 = . X 1 + 5 X 2 + ! 2 + #2 = 5 !i = Varia'el sla"k #i = Varia'el 'ua tan

Dan fungsi tujuan harus ditambah 9.%L untuk fungsi tujuan minimisasi# dan dikurangi 9.%L untuk fungsi tujuan maksimisasi. 'erdasarkan contoh di atas# fungsi tujuan minimisasi & ! + :X1 - 25 X2 di ubah menjadi & ! + : X1 - 25 X2 - 9.%1 - 9.%2 @alaupun nilai 9 akan dianggap sama dengan nol. /enyesuaian fungsi tujuan dan kendala4kendala harus dilakukan sebelum kita membentuk tabel simpleks a@al. leh karena itu proses penentuan nilai optimal fungsi tujuan dalam linier programing (khususnya untuk kendala yang bertanda ) menjadi tidak praktis karena harus memasukkan 6ariabel buatan selain 6ariabel slack. Sebaliknya apabila kendala4kendala bertanda # maka proses penentuan nilai optimal fugsi tujuan lebih praktis# karena (1) cukup memasukkan 6ariabel slack saja dalam proses pengubahan kendala

5. pertidaksamaan agar menjadi persamaan# dan (2) tidak perlu memasukkan 6ariabel buatan pada fungsi tujuan. %pabila bentuk a@al (primal)# yaitu minimisasi fungsi tujuan dan kendala4kendala bertanda # maka bentuk dualnya adalah maksimisasi fungsi tujuan dan kendala bertanda . Demikian pula sebaliknya. /.4.+. M ! & 0 *# &IT ! * & M &I$I)( P(O%( MI$% %pabila masalah a@al (primal) adalah maksimisasi fungsi tujuan# maka dualnya adalah masalah minimisasi. Dan sebaliknya# jika masalah a@al (primal) adalah minimisasi fungsi tujuan# maka dualnya adalah masalah maksimisasi. Bentu, 3al (P4imal) Minimisasi "ungsi Tu5uan /rimal & 9inimisasikan & P + !.X Dengan kendala & %.X ' 9aka dualnya & 9aksimisasikan & P + '.0 Dengan kendala & %10 ! Contoh dalam 2entu, umum adalah se2agai 2e4i,ut : 'entuk a@al (primal) & 9inimisasikan & ! + !1 X1 - !2 X2 Dengan kendala & 9aka dualnya & 9aksimisasikan & P + 71 01 - 72 02 Dengan kendala &
a11 Y1 + a21 Y2 C1 a12 Y1 + a22 Y2 C2 a11 X 1 + a12 X 2 a21 X 1 + a22 X 2
1 2

Contoh !oal : Diketahui bentuk primal fungsi tujuan minimisasi dan kendala adalah &

55 P + 12$ X1 - 1=$ X2
: X 1 + . X 2 58

Dengan kendala 5 X 1 + 1$ X 2 88
X 1 $ dan X 2 $

*entukan & nilai X1 dan X2 yang meminimisasi. )ungsi tujuan# dan tentukan nilai optimal fungsi tujuan.

/enyelesaian & 1. 'entuk dualnya adalah & 9aksimisasikan & P + 58 01 - 88 02

:Y1 + 5Y2 12$

Dengan kendala & .Y1 +1$Y2 1=$

Y1 $ dan Y2 $

2. )ungsi tujuan dalam bentuk implisit & 4 P - 58 01 - 88 02 + $ .. /enambahan 6ariabel slack &
:Y1 + 5Y2 + !1 = 12$ .Y1 +1$Y2 + ! 2 = 1=$

5. *abel simpleks a@al ,ariabel Dasar Pj S1 S2 Pj 41 $ $ 01 58 : . 02 88 5 1$ S1 $ 1 $ S2 $ $ 1 Cilai 7anan $ 12$ 1=$

8. *ahapan pembentukan tabel simpleks LL dan LLL sama dengan langkah pada contoh terdahulu.

58 :. 9elalui proses yang sama pada contoh terdahului dapat ditentukan nilai 01 dan 02 yang mengoptimal P & 01" + 1$ 02" + 18 P" + 12<8 <. Entuk menentukan X1" dan X2" dengan langkah sebagai berikut & Pj" + 12<8 'entuk a@al fungsi tujuan P + 12$ X1 - 1=$ X2 12<8 + 12$ X1 - 1=$ X2 2222. )ungsi tujuan : X1 - . X2 58 2222222. kendala (1) : X1 + . X2 - 58 X1 +
1 58 X2 + 2 :

/ersamaan ini disubsitusikan ke fungsi tujuan & Didapat & X1" + X2" +
2=8 5= 28 =

P"minimum + 12<8 'II. P)$#T#P *eori ekonomi merupakan landasan dalam menyusun model ekonomi. Dengan menggunakan model yang bersifat matematis kita dapat menggunakan analisis optimasi guna menentukan nilai optimum fungsi tujuan. %nalisis optimasi dapat menggunakan & (1) tehnik kalkulus dif6erensial# dan ke (2) menggunakan tehnik programasi linier (linier programing). /enguasaan aturan diferensiasi fungsi# matriks# dan aturan4aturan optimasi fungsi akan sangat membantu penganalisis ekonomi dalam menentukan nilai optimal 6ariabel ekonomi yang dimasukkan dalam model yang digunakan.

5: