LINEAR PROGRAMMING: SIMPLEX METHOD

Riset operasi atau sains manajemen merupakan aplikasi dari pendekatan multidisiplin atau
ilmiah yang mengkonsentrasikan penyelesaian masalah-masalah manajerial dalam rangka
membantu manajer untuk mengambil keputusan yang baik. Pendekatan Operation Research
yang digunakan untuk memecahkan masalah adalah sebagai berikut:
1. Observasi, yaitu langkah awal yang dilakukan, dimana manajer mengenali dan
mempelajari masalah-masalah yang ada dalam organisasi atau sistem.
2.
3. Definisi Masalah, yaitu bagaimana masalah yang muncul tadi dapat dijabarkan dan
dtegaskan secara singkat dan jelas. Definisi masalah harus meliputi batasan-batasan
masalah dan tingkatan dimana masalah tersebut menyangkut unit organisasi lainnya.
4. Konstruksi model, yaitu bagaimana suatu masalah yang telah teridentifikasi tadi harus
dibuatkan suatu model, yang di dalam sains manajemen merupakan bentuk penyajian
yang ringkas dari situasi masalah yang sedang berjalan. Penyajian dari model ini bisa
berupa grafik, diagram dan biasanya mencakup suatu paket hubungan matematis.
5. Solusi, yaitu setelah model matematik disusun maka permasalahan yang dihadapi tadi
dapat diselesaikan dengan teknik-teknik yang terdapat dalam sains manajemen.
6. Implementasi, merupakan hal yang menjadi tujuan akhir dari riset operasi, dimana
teknik dari manajemen sains tadi memberikan jawaban pemecahan masalah, dan
selanjutnya dapat diinformasikan kepada manajer untuk membantu pembuatan
keputusan. Dalam mengambil keputusan, manajer tidak harus terpaku pada
pemecahan tadi saja, tetapi bisa menggunakan pertimbangan lebih lanjut.
Program linier adalah salah satu teknik/metode matematik dalam Operation Research dalam
menyelesaikan persoalan pengalokasian sumber-sumber daya yang terbatas di antara aktivitas
yang bersaing dengan cara terbaik yang mungkin dilakukan untuk mencapai suatu tujuan
seperti memaksimumkan keuntungan dan meminimumkan biaya. Pemrograman linier dapat
diselesaikan dengan metode grafik dan metode simplex. Metode simplex merupakan metode
yang digunakan untuk untuk mengatasi kelemahan pada metode grafik dimana pada metode
simplex jumlah variabel yang digunakan bisa lebih dari 2 variabel. Metode simplex adalah
prosedur algoritma yang digunakan untuk menghitung dan menyimpan banyak angka pada
iterasi-iterasi yang sekarang dan untuk pengambilan keputusan pada iterasi berikutnya.
Metode simplex secara eksplisit memakai manipulasi matriks maka masalah harus dinyatakan
dalam notasi matriks. Maksud yang lebih jelas yaitu pada metode simplex model diubah ke
dalam bentuk suatu tabel (matriks), kemudian dilakukan beberapa langkah matematis pada
tabel tersebut. Langkah-langkah matematis ini pada dasarnya merupakan replikasi proses
pemindahan dari suatu titik ke titik ekstrim batas solusi lainnya. Metode simplex bergerak
dari satu solusi yang lebih baik sampai solusi yang terbaik didapatkan Model pemrograman
linier ada 2 fungsi yaitu fungsi tujuan dan fungsi kendala (batasan). Semua kendala (batasan)
dan fungsi tujuan dimasukan ke dalam tabel masukan dengan memasukkan koefisien setiap
variabel, sebelum proses optimasi dilakukan. Optimasi ada 2 yaitu maksimasi dan minimasi
sehingga pemakai harus terlebih dahulu memilih jenis optimasi yang diinginkan. Hasil akhir
dari program ini adalah solusi optimal untuk setiap variabel batasan dan nilai optimal untuk
fungsi sasaran.
Tahap paling awal yang diperhatikan dalam metode simplex ini adalah tiga tahap yang
dilakukan pada linear programming yaitu
1. Masalah harus dapat diidentifikasi sebagai sesuatu yang dapat diselesaikan dengan
Linear Programming.
2. Masalah yang tidak terstruktur harua dapat dirumuskan dalam model matematika,
sehingga menjadi terstruktur.
3. Model harus diselesaikan dengan teknik matematika yang dibuat
Tahap selanjutnya merupakan tahap teknis yang secara umum ada dalam program linier,
sebagai berikut:
1. Menentukan variabel keputusan, dimana maksud dari variabel keputusan ini
merupakan simbol matematika yang menggambarkan tingkatan aktivitas perusahaan.
Tahap ini sebenarnya untuk mempermudah dalam menggunakan metode matematik,
dengan memutuskan memakai simbol matematik untuk hal yang ingin dihitung.
2. Membuat fungsi tujuan, yang dimaksudkan dari fungsi tujuan ini adalah hubungan
matematika linier yang menjelaskan tujuan perusahaan dalam terminologi variabel
keputusan. Jadi setelah ditentukan variabel keputusan, kemudian digunakan dalam
membuat fungsi (persamaan matematika) dari tujuan yang ingin dicapai perusahaan.
3. Membuat batasan (kendala) model, dimana maksud dari fungsi batasan adalah
hubungan linier dari variabel keputusan yang menunjukkan keterbatasan perusahaan
dalam lingungan operasi perusahaan.
Dalam fungsi tujuan dan batasan model harus diberikan parameter, yaitu nilai numerik yang
aktual dan biasanya merupakan koefisien dari variabel (simbol) dalam persamaan.
Langkah-langkah selanjutnya merupakan inti dari penyelesaian metode simplex, yaitu:
1. Mengubah bentuk batasan model pertidakasamaan menjadi persamaan. Hal yang
dilakukan bisa menggunakan variabel pengurang (slack variable), dimana ini
digunakan untuk batasan kurang-dari-atau-sama-dengan (tanda “<” atau “<”) atau
juga variabel penambah (surplus variable), dimana digunakan untuk batasan lebih-
dari-atau-sama-dengan (tanda “>” atau “>”).
2. Membentuk tabel awal untuk solusi fisibel dasar pada titik original dan menghitung
nilai-nilai baris Zj dan Cj-Zj.
3. Menentukan kolom pemutar (variabel non dasar yang masuk) dengan cara memilih
kolom yang memiliki nilai positif tertinggi pada baris Cj-Zj.
4. Menentukan baris pemutar (variabel dasar yang keluar) dengan cara membagi nilai
pada kolom kuantitas dengan nilai-nilai pada kolom pemutar dan memilih baris
dengan hasil bagi nonnegatif terkecil.
5. Menhitung nilai baris pemutar yang baru dengan menggunkan formula:
Nilai Baris Pemutar Tabel Lama
Angka Pemutar
1. Menghitung nilai baris lainnya dengan formula:
1. Menghitung baris-baris Zj dan Cj-Zj yang baru.




2. Menentukan apakah solusi telah optimal dengan mengecek baris Cj-Zj. Jika semua
nilai Cj-Zj nol atau negatif, maka solusi sudah optimal, Jika masih bernilai positif,
dilakukan lagi mulai dari langkah ketiga dan seterusnya.
Dalam langkah pertama dari penyelesaian metode simplex, disebutkan bahwa pada batasan
yang merupakan bentuk pertidaksamaan dibuat menjadi bentuk persamaan. Hal ini bisa
digunakan dengan dua variabel yang sudah disebutkan sebelumnya, yaitu:
a) Variabel Pengurang (Slack Variable), merepresentasikan sumber daya yang
mengganggur pada suatu fungsi kendala, variabel ini digunakan untuk ditambahkan dalam
fungsi pertidaksamaan ≤, supaya dengan menambahkan variabel slack ini diperoleh solusi
fisibel awal (initial feasible solution, sama dengan titik origin pada grafik).
b) Variabel Penambah (Surplus Variable), merepresentasikan kekurangan sumber daya pada
suatu fungsi kendala, variabel digunakan untuk dikurangkan dalam fungsi pertidaksamaan ≥,
supaya dengan menambahkan variabel surplus ini diperoleh solusi fisibel awal (initial
feasible solution, sama dengan titik origin pada grafik).
Baik variabel slack maupun variabel surplus menggunakan simbol „s’. Untuk memperjelas
variabel slack dan surplus dapat diberikan 2 contoh sebagai berikut:
1. Minimumkan Z = 2 X
1
+ 5.5 X
2

Kendala: X
1
+ X
2
= 90
0.001X
1
+ 0.002X
2
≤ 0.9
0.09X
1
+ 0.6X
2
≥ 27
0.02X
1
+ 0.06X
2
≤ 4.5
X
1
, X
2
≥ 0
Bentuk bakunya adalah:
Minimumkan Z = 2 X
1
+ 5.5 X
2
+ 0S
1
+ 0S
2
+ 0S
3
+ 0S
4

Terhadap: X
1
+ X
2
+ S
1
= 90
0.001X
1
+ 0.002X
2
+ S
2
= 0.9
0.09X
1
+ 0.6X
2
– S
3
= 27
0.02X
1
+ 0.06X
2
+ S
4
= 4.5
X
1
, X
2
, S
1
, S
2
, S
3
, S
4
≥ 0
2. Maksimumkan Z = 2X1 + 3X2
Kendala: 10X1 + 5X2 ≤ 600
6X1 + 20X2 ≤ 600
8X1 + 15X2 ≤ 600
X1, X2 ≥ 0
Bentuk Baku:
Maksimumkan Z = 2X1 + 3X2 + 0S1 + 0S2 + 0S3
Terhadap: 10X1 + 5X2 + S1 = 600
6X1 + 20X2 + S2 = 600
8X1 + 15X2 + S3 = 600
X1, X2, S1, S2, S3 ≥ 0
CONTOH SOAL: KASUS MAKSIMISASI
SOAL 1:
Suatu perusahaan yang bergerak pada bidang furniture akan memproduksi meja dan kursi
dengan harga per unit masing-masing $7 dan $5. Dalam mengerjakan 1 unit meja
membutuhkan 4 jam proses pemahatan dan 2 jam pengecatan dan finishing. Sedangkan untuk
mengerjakan 1 unit kursi membutuhkan 3 jam proses pemahatan dan 1 jam pengecatan dan
finishing. Waktu yang tersedia pada proses pemahatan adalah minimal 240 jam, dan waktu
untuk pengecatan dan finishing minimal 100 jam. Berapakah profit yang bisa didapatkan
pada tingkat maksimum? Dan pada jumlah berapa unitkah yang akan diproduksi untuk
mencapai profit maksimum?
Tahap-tahap penyelesaian:
1. Menentukan variabel keputusan:
= jumlah unit meja yang diproduksi
= jumlah unit kursi yang diproduksi
1. Formulasi Fungsi Tujuan dan Fungsi Kendala Dari Permasalahan PL
Maksimumkan: 7+ 5
Dengan kendala : 4 + 3 £ 240
2 + £ 100
, ³ 0
1. Mengkonversi Bentuk Pertidaksamaan Dalam Fungsi Kendala Menjadi Bentuk
Standar
Kendala I: 4 + 3 £ 240
4 + 3 + = 240
Jika == 0 (titik origin pada grafik) maka = 240
Kendala II: 2 + £ 100
2 + + = 100
Jika == 0 (titik origin pada grafik) maka = 100
Dengan demikian, formulasi dalam bentuk standar dari permasalahan yang dibahas:
Maksimumkan: 7 + 5

+ 0+ 0
Dengan kendala : 4 + 3+ + 0 = 240
2 ++ 0 + =100
, , ³ 0
c. Membuat Table Simpleks Awal
TABLE 1
C
j

7 5 0 0 Right Hand
Side Basic Variable

0

4 3 1 0 240
0

2 1 0 1 100

Z
j
0 0 0 0 0

C
j
- Z
j
7 5 0 0

- Pada dasarnya, semua angka pada formulasi diplotting dalam tabel simpleks awal.
- Ada dua macam variabel: Variabel Basis (Basic Variable) dan Variabel Non Basis
(Non Basic Variable).
- C
j
menotasikan profit per unit (untuk permasalahan maksimisasi) dari masing-masing
variabel dalam formulasi.
- Baris Z
j
berisikan angka gross profit (laba kotor). Untuk kolom j, Z
j
ditentukan dari
jumlah perkalian antara profit per unit variabel basis dan angka pada kolom j.
- Baris C
j
- Z
j
disebut baris net profit yang mengindikasikan besarnya net profit
tambahan yang akan diperoleh jika variabel pada kolom menjadi variabel basis pada
iterasi berikutnya.
d. Algoritma metode simpleks dengan mengaplikasikan lima langkah berikut ini:
- Langkah 1: menentukan variabel kolom yang akan masuk basis
Variabel kolom mana yang akan dipilih untuk menggantikan variabel basis pada iterasi
berikutnya ditentukan berdasarkan nilai C
j
- Z
j
terbesar (untuk problem maksimisasi).
Selanjutnya, kolom terpilih disebut dengan kolom pivot.
C
j

7 5 0 0 Right Hand
Side Basic Variable

0

4 3 1 0 240
0

2 1 0 1 100

Z
j
0 0 0 0 0

C
j
- Z
j
7 5 0 0

- Langkah 2: menentukan variabel yang akan keluar basis
variabel basis yang akan keluar basis pada iterasi berikutnya didasarkan pada nilai replace
row antara Right Hand Side dan angka pada kolom pivot pada Langkah 1.
Baris variabel basis yang memiliki nilai replace row dengan angka nonnegatif (positif)
terkecil dipilih sebagai baris yang akan digantikan. Baris variabel basis ini disebut baris
pivot.
Variabel Basis

RHS Replace Row

4 240 240/4 = 60

2 100 100/2 = 50
C
j

Basic
Variable
7 5 0 0
Right
Hand
Side Basic
Variable
0

4 3 1 0 240
0

2 1 0 1 100

Z
j
0 0 0 0 0

C
j
- Z
j
7 5 0 0

Angka pada perpotongan
antara kolom pivot dan baris pivot disebut dengan angka pivot.
- Langkah 3: menentukan angka baru untuk baris pivot
Perhitungan angka baru untuk baris pivot pada iterasi berikutnya: membagi setiap angka
pada baris pivot dengan angka pivot
Keterangan

RHS
Angka Lama (1) 2 1 0 1 100
Angka Pivot (2) 2 2 2 2 2
Angka Baru Untuk Baris Pivot
(1:2)
1 ½ 0 ½ 50
- Langkah 4: menentukan angka baru untuk baris lainnya
Perhitungan angka baru pada baris selain baris pivot pada iterasi berikutnya:








Nilai baris tabel baru = Nilai baris tabel lama – [(angka diatas atau dibawah angka pivot) ×
(angka baru baris pivot)]
Nil
ai
Bar
is
Tab
el
La
ma

Ang
ka
diata
s
angk
a
pivo
t
Ang
ka
baru
baris
pivo
t

Ang
ka
baru
4 - ( 4 1) = 0
3 - ( 4 ½) = 1
1 - ( 4 0) = 1
0 - ( 4 ½) = -2
240 - ( 4 50) = 40
- Langkah 5: menghitung Z
j
dan C
j
- Z
j
dan mengevaluasi apakah tabel simpleks
memberikan solusi optimal
Perhitungan Z
j
dan C
j
- Z
j
dilakukan dengan cara yang telah digunakan sebelumnya. Pada
problem maksimisasi, jika semua C
j
- Z
j
bernilai nol atau negatif (atau C
j
- Z
j
≤ 0) maka solusi
optimal telah tercapai. Sebaliknya, jika masih ada kolom dengan C
j
- Z
j
≥ 0 perhitungan
masih harus dilanjutkan dan dimulai dari Langkah 1.
TABLE 2
C
j

7 5 0 0 Right Hand
Side Basic Variable

0

0 1 1 -2 40
7

1 ½ 0 ½ 50

Z
j
7 7/2 0 7/2 350

C
j
- Z
j
0 3/2 0 -7/2

Karena pada Tabel 2 nilai C
j
- Z
j
tidak semua bernilai nol atau negatif, maka dilanjutkan
kembali ke Langkah 1 dan seterusnya.
- Langkah 1: menentukan variabel kolom yang akan masuk basis berdasarkan nilai C
j
-
Z
j
terbesar (untuk problem maksimisasi). Selanjutnya, kolom terpilih disebut dengan
kolom pivot.
C
j

7 5 0 0 Right Hand
Side Basic Variable

0

0 1 1 -2 40
7

1 ½ 0 ½ 50

Z
j
7 7/2 0 7/2 350

C
j
- Z
j
0 3/2 0 -7/2

- Langkah 2: menentukan variabel yang akan keluar basis







variabel basis yang akan keluar basis pada iterasi berikutnya didasarkan pada nilai replace
row antara Right Hand Side dan angka pada kolom pivot pada Langkah 1.
Baris variabel basis yang memiliki nilai replace row dengan angka nonnegatif (positif)
terkecil dipilih sebagai baris yang akan digantikan. Baris variabel basis ini disebut baris
pivot.
Variabel Basis

RHS Replace Row

1 40 40/1 = 40

½ 50 50/(½) = 100
C
j

Basic
Variable
7 5 0 0
Right Hand
Side
Basic
Variable
0

0 1 1 -2 40
7

1 ½ 0 ½ 50

Z
j
7 7/2 0 7/2 350

C
j
- Z
j
0 3/2 0 -7/2

Angka pada perpotongan antara kolom pivot dan baris pivot disebut dengan angka pivot.
- Langkah 3: menentukan angka baru untuk baris pivot
Perhitungan angka baru untuk baris pivot pada iterasi berikutnya: membagi setiap angka
pada baris pivot dengan angka pivot
Keterangan

RHS
Angka Lama (1) 0 1 1 -2 40
Angka Pivot (2) 1 1 1 1 1
Angka Baru Untuk Baris Pivot
(1:2)
0 1 1 -2 40
- Langkah 4: menentukan angka baru untuk baris lainnya
Perhitungan angka baru pada baris selain baris pivot pada iterasi berikutnya:
Nilai baris tabel baru = Nilai baris tabel lama – [(angka diatas atau dibawah angka pivot) ×
(angka baru baris pivot)]
Nilai Baris Tabel
Lama
Angka diatas
angka pivot
Angka baru baris
pivot
Angka baru
1 - ( ½ 0 ) = 1
½ - ( ½ 1 ) = 0
0 - ( ½ 1 ) = -½
½ - ( ½ -2 ) = 3/2
50 - ( ½ 40 ) = 30
- Langkah 5: menghitung Z
j
dan C
j
- Z
j
dan mengevaluasi apakah tabel simpleks
memberikan solusi optimal

Perhitungan Z
j
dan C
j
- Z
j
dilakukan dengan cara yang telah digunakan sebelumnya. Pada
problem maksimisasi, jika semua C
j
- Z
j
bernilai nol atau negatif (atau C
j
- Z
j
≤ 0) maka solusi
optimal telah tercapai. Sebaliknya, jika masih ada kolom dengan C
j
- Z
j
≥ 0 perhitungan
masih harus dilanjutkan dan dimulai dari Langkah 1.
Karena pada tabel 3 nilai C
j
- Z
j
semua bernilai nol atau negatif, maka diperoleh tabel yang
memberikan solusi yang optimal.
Interpretasi Tabel Optimal
C
j

7 5 0 0 Right Hand
Side Basic Variable

0

0 1 1 -2 40
7

1 0 -1/2 3/2 30

Z
j
7 5 3/2 1/2 410

C
j
- Z
j
0 0 -3/2 -1/2

Solusi Optimal
Interpretasi dari solusi optimal: fungsi tujuan akan optimal jika perusahaan memproduksi 30
unit meja dan 40 unit kursi dan besarnya total profit yang diperoleh dari aktivitas yang
menghasilkan kombinasi meja-kursi tersebut adalah $410.
CONTOH SOAL 2
Perusahaan Mebel Ais memproduksi lemari jenis A, B, dan C. Produk tersebut diproses
melalui tiga departemen: pertukangan, pengecatan, dan penyelesaian. Setiap unit lemari A
membutuhkan 3 jam tenaga kerja di departemen pertukangan, 2 jam tenaga kerja di
departemen pengecatan, dan 1 jam tenaga kerja di departemen penyelesaian. Setiap unit
lemari B membutuhkan 4 jam tenaga kerja di departemen pertukangan, 5 jam tenaga kerja di
departemen pengecatan, dan 2 jam tenaga kerja di departemen penyelesaian. Dan, setiap unit
lemari C membutuhkan 3½ jam tenaga kerja di departemen pertukangan, 1 jam tenaga kerja
di departemen pengecatan, dan 1 jam tenaga kerja di departemen penyelesaian. Kapasitas
yang tersedia pada departemen pertukangan, departemen pengecatan, dan departemen
penyelesaian adalah 400 jam, 360 jam, dan 250 jam, masing-masing. Harga jual masing-
masing produk adalah Rp 10 (lemari A), Rp 15 (lemari B), dan Rp 12 (lemari C).
Penyelesaian
v Definisi variabel keputusan:
- X
1
= Jumlah lemari A yang dijual (diproduksi)
- X
2
umlah lemari yang dijual (diproduksi)
- X
3
umlah lemari yang dijual (diproduksi)
v Fungsi Tujuan:
Maks: Zj = 10 X
1
+ 15 X
2
+ 12 X
3

v Batasan:
3 X
1
+ 4 X
2
+ 3 ½ X
3
> 400
2 X
1
+ 5 X
2
+ 1 X
3
> 360
1 X
1
+ 2 X
2
+ 1 X
3
≥ 250
X
1
, X
2
, X
3
≥ 0
v Mengkonversi Bentuk Pertidaksamaan Fungsi Kendala Menjadi Bentuk Standar
- 3 X
1
+ 4 X
2
+ 3 ½ X
3
+ S
1
= 400
- 2 X
1
+ 5 X
2
+ 1 X
3
+ S
2
= 360
- 1 X
1
+ 2 X
2
+ 1 X
3
+ S
3
= 250
- X
1
, X
2
, X
3
≥ 0

Basic
Variable
10 15 12 0 0 0 Right Hand Side
X
1
X
2
X
3
S
1
S
2
S
3

0 S
1
3 4 3 ½ 1 0 0 400
0 S
2
2 5 1 0 1 0 360
0 S
3
1 2 1 0 0 1 250

Z
j
0 0 0 0 0 0 0
C
j
-Z
j
10 15 12 0 0 0
















3
Pemprograman Linear:
Kaedah Simpleks





Didalam Bab 2 kita telah lihat bagaimana mencari penyelesaian optimum bagi dua angkubah
masalah pemprograman linear menggunakan kaedah geraf. Walau bagaimanapun, di dalam
masalah sebenar biasanya mengandungi lebih daripada dua angkubah keputusan dan terlalu
besar untuk teknik penyelesaian ini. Tatacara penyelesaian secara aljabar, kaedah simpleks,
adalah digunakan untuk menyelesaikan masalah pemprograman linear yang besar ini.
Pengaturcaraan komputer berdasarkan kaedah simpleks digunakan dengan meluas untuk
menyelesaikan masalah pepmrograman linear yang mempunyai beberapa ribu angkubah dan
kekangan.
Didalam bab ini pertamanya kita menunjukkan kaedah simpleks di dalam corak
langkah-demi-langkah menggunakan masalah pemaksimumam Par Inc. bagi Bab 2. Kita
kemudiannya menggunakan contoh Photo Chemical, Inc. didalam Bab 2 untuk menunjukkan
bagaimana kaedah simpleks boleh digunakan untuk menyelesaikan masalah peminimumam.
Selepas kaedah ini dibentuk untuk masalah-masalah tertentu, kita akan menetapkan tatacara
simpleks am yang boleh digunakan untuk menyelesaikan sebarang masalah pemprograman
linear.


3.1 Menilai Kembali Kaedah Aljabar Kaedah Simplek

Mari kita kembali kepada masalah Par, Inc., yang ditulis di dalam bentuk standard seperti di
bawah:


max 10x
1
+ 9x
2
+ 0s
1
+ 0s
2
+ 0s
3
+ 0s
4
(3.1)
t.k.
7/10 x
1
+ 1x
2
+ 1s
1
= 630 (3.2)
1/2 x
1
+ 5/6 x
2
+ 1 s
2
= 600 (3.3)
1 x
1
+ 2/3x
2
+ 1 s
3
= 708 (3.4)
1/10 x
1
+ 1/4 x
2
+ 1s
4
= 135 (3.5)
x
1
, x
2
, s
1
, s
2
, s
3
, s
4
≥ 0 (3.6)

Perhatikan persamaan (3.2) hingga (3.5), persamaan kekangan, daripada sistem empat
persamaan serentak linear dengan enam angkubah. Dalam usaha untuk memenuhi kekangan
masalah Par, Inc., penyelesaian optimum mestilah penyelesaian bagi set persamaan linear
tersebut. Apabila set persamaan serentak lebih angkubah daripada kekangan, kita akan
menjangkakan beberapa bilangan penyelesaian yang tidak terhingga. Oleh itu sebarang
tatacar aljabar untuk enyelesaikan pemprograman linear mestilah berkebolehan untuk
mencari penyelesaian kepada sistem persamaan serentak melibatkan lebih angkubah dari
persamaan.
Perhatikan juga tidak semua penyelesaian kepada persamaan (3.2) hingga (3.5)
penyelesaian bolehlaksana kepada pemprograman linear. Oleh itu, kita tidak boleh
menjangkakan setiap penyelesaian kepada persamaan (3.2) hingga (3.5) juga memenuhi
keadaan bukan negatif (x
1
,x
1
,s
1
,s
1
,s
1
,s
1
≥ 0). Seperti yang kita lihat, tatacara aljabar untuk
menyelesaikan masalah pemprograman linear mestilah berkebolehan menghapuskan
pertimbangan beberapa penyelesaian kepada persamaan (3.2) hingga (3.5) di mana tidak
memenuhi juga keperluan bukan negatif.
Akhirnya, tatacara aljabar untuk penyelesaian pemprograman linear mestilah
berkemampunan untuk memilih satu daripada penyelesaian bolehlaksana sebagai
memaksimumkan fungsi objektif. Kaedah simpleks adalah tatacara aljabar dengan semua
kebolehan yang dinyatakan di atas.
Oleh kerana persamaan kekangan Par, Inc. (3.2) hingga (3.5) mempunyai lebih
angkubah (enam) daripada persamaan (empat), kaedah simpleks menemui penyelesaian
kepada persamaan dengan mengandaikan nilai sifar kepada dua angkubah dan kemudian
menyelesaikannya bagi nilai empat angkubah yang tinggal. Sebagai contoh, katakan kita
tetapkan x
2
= 0 dan s
1
= 0. Sistem persamaan kita akan menjadi

7/10 x
1
= 630 (3.7)
1/2 x
1
+ 1s
2
= 600 (3.8)
1x
1
+ 1s
3
= 707 (3.9)
1/10x
1
+ 1s
4
= 135 (3.10)

Dengan menetapkan x
2
= 0 dan s
2
= 0, kesannya kita mengurangkan sistem
persamaan linear kita kepada empat angkubah dan empat persamaan.
Menggunakan persamaan (3.7) untuk menyelesaikan x
1
, kita dapati

7/10 x
1
= 630
x
1
= 10/7(630) = 900

Gantikan nilai x
1
ini ke dalam persamaan yang tinggal dan memberikan nilai berikut
bagi s
2
, s
3
dan s
4
yang tinggal:

s
2
= 600 - 1/2 (900) = 150
s
3
= 708 - 1 (900) = - 192
s
4
= 135 - 1/10 (900) = 45

Oleh itu kita mendapati penyelesaian berikut kepada empat persamaan, enam
angkubah dari set persamaan linear yang dikenalpasti dari kekangan Par, Inc:

(
(
(
(
(
¸
(

¸

(
(
(
(
(
¸
(

¸

45
192 -
150
0
0
900
=
s
s
s
s
x
x
4
3
2
1
2
1


Penyelesaian di atas dikenali sebagai penyelesaian basis kepada masalah
pemprograman linear. Secara amnya, sekiranya kita mempunyai bentuk standard masalah
pemprograman linear mengandungi n angkubah dan m persamaan, di mana n lebih besar
daripada m, penyelesaian basis boleh ditentukan dengan menetapkan n - m angkubah sama
dengan sifar dan menyelesaikan m persamaan kekangan untuk m angkubah yang tinggal
1
.
Dalam masalah Par, Inc., penyelesaian basis boleh ditentukan dengan menetapkan sebarang
dua angkubah sama dengan sifar dan kemudiannya menyelesaikan sistem bagi empat
persamaan untuk empat angkubah yang tinggal. Kita juga merujuk kepada n - m angkubah
sama dengan sifar dikenali sebagai angkubah bukan basis dan membiarkan m angkubah
(biasanya bukan sifar) sebagai angkubah basis. Oleh itu, di dalam contoh di atas, x
2
dan s
1

angkubah bukan basis dan x
1
,x
2
, s
2
, s
3
dan s
4
adalah angkubah basis.

Penyelesaian Basis Bolehlaksana.

Penyelesaian basis boleh jadi bolehlaksana atau tak bolehlaksana. Penyelesaian basis
bolehlaksana adalah penyelesaian di mana ke dua-dua basis dan memenuhi keadaan bukan
negatif. Penyelesaian basis yang ditemui di atas bukan merupakan penyelesaian basis
bolehlaksana kerana ia tidak memenuhi keadaan bukan negatif (kita mempunyai s
3
= - 192).
Walau bagaimanapun, oleh kerana kita memilih untuk x
1
dan x
2
sebagai angkubah bukan
basis (iaitu x
1
= 0 dan x
2
= 0). Selesaikan untuk penyelesaian basis berkaitan adalah mudah.
Kita dapati

s
1
= 630
s
2
= 600
s
3
= 708
s
4
= 135

Oleh itu penyelesaian lengkap berkaitan x
1
= 0 dan x
2
= 0 adalah

(
(
(
(
(
¸
(

¸

(
(
(
(
(
¸
(

¸

135
708
600
630
0
0
=
s
s
s
s
x
x
4
3
2
1
2
1


1
Terdapat kes dimana terdapat penyelesaian yang unik tidak dapat ditemui bagi sistem penyelesaian m
persamaan didalam m angkubah. Walau bagaimanapun, keadaan ini merupakan pengecualian terhadap
peraturan dan tidak akan dapat diatasi dengan menggunakan kaedah simplek.



Rajah 3.1
Lima Titik Ekstrim Kawasan Bolehlaksana
Bagi Masalah Par, Inc.

Nyatalah, penyelesaian ini adalah penyelesaian basis, oleh kerana ia dibentuk
dengan menetapkan dua daripada angkubah sama dengan sifar dan menyelesaikan untuk
empat yang lain. Selanjutnya, ia merupakan penyelesaian basis bolehlaksana, oleh kerana
setiap angkubah adalah lebih besar daripada atau sama dengan sifar. Merujuk kepada Rajah
3.1, kita dapat lihat penyelesaian basis bolehlaksana berhubungan dengan titik ekstrim 
bagi kawasan bolehlaksana (x
1
= 0 dan x
2
= 0). Oleh itu di dalam kes ini penyelesaian basis
bolehlaksana adalah berpadanan dengan titik ekstrim. Ini bukanlah sesuatu yang tidak
disengajakan, tetapi merupakan satu peraturan yang penting bagi semua penyelesaian
bolehlaksana. Dengan kata lain, penyelesaian basis bolehlaksana dan penyelesaian titik
ekstrim adalah satu dan sama.

Penyelesaian basis bolehlaksana kepada sistem yang mengandungi m persamaan
kekangan dan n angkubah memerlukan titik permulaan bagi kaedah simpleks. Apabila
semua kekangan telah berada di dalam bentuk |, maka penyelesaian boleh dibuat dengan
mudah dengan menetapkan semua angkubah keputusan sama dengan sifar. Ini berpadanan
dengan memilih titik origin (titik ekstrim  bagi masalah Par, Inc.) sebagai permulaan
penyelesaian basis bolehlaksana untuk tatacara simpleks. Daripada titik permulaan ini,
kaedah simpleks dengan jayanya membentuk penyelesaian basis bolehlaksana kepada
sistem persamaan, secara pasti fungsi objektif meningkat bagi setiap penyelesaian baru.
Oleh kerana, seperti yang telah kita lihat di dalam Bab 2, penyelesaian optimal kepada
masalah pemprograman linear selalunya terletak pada titik ekstrim, dan oleh kerana
penyelesaian basis bolehlaksana dan titik ekstrim adalah sama, kaedah simpleks biasanya
terletak pada penyelesaian optimum kepada masalah
2
. Oleh itu kaedah simpleks boleh
dikatakan sebagai tatacara lelaran untuk bergerak dari satu penyelesaian basis bolehlaksana
(titik ekstrim) kepada yang lain sehingga penyelesaian optimum dicapai. Cara dimana
tatacara lelaran beroperasi merupakan perkara yang perlu diingat di dalam bab ini.


3.2 Bentuk Jadual

Seperti yang telah dibincangkan di dalam Bahagian 3.1, kaedah simpleks biasanya bermula
dengan penyelesaian basis bolehlaksana dan kemudiannya bergerak daripada satu basis
bolehlaksana kepada yang lain sehingga penyeleaian basis bolehlaksana yang optimum (titik
ekstrim) tercapai. Untuk memulakan kaedah simpleks, kita mesti mencari permulaan
penyelesaian basis bolehlaksana bagi sistem persamaan kekangan. Ingat semula masalah Par,
Inc. bentuk standard ialah


max 10x
1
+ 9x
2
+ 0s
1
+ 0s
2
+ 0s
3
+ 0s
4

t.k.
7/10 x
1
+ 1x
2
+ 1s
1
= 630
1/2 x
1
+ 5/6 x
2
+ 1 s
2
= 600
1 x
1
+ 2/3x
2
+ 1 s
3
= 708

2
Oleh kerana terdapat hanya lima penyelesaian basis bolehlaksana, tidak lebih daripada lima penyeleseian akan
dipertimbangkan oleh kaedah simpleks
1/10 x
1
+ 1/4 x
2
+ 1s
4
= 135
x
1
, x
2
, s
1
, s
2
, s
3
, s
4
> 0

Kita telah lihat dalam Bahagia 3.1 adalah mudah untuk mencari permulaan
penyelesaian basis bolehlaksana bagi masalah ini dengan menetapkan x
1
= 0, x
2
= 0, dan
menyelesaikan untuk s
1
, s
2
, s
3
dan s
4
. Tatacara ini menghasilkan penyelesaian s
1
= 630, s
2
=
600, s
3
= 708 dan s
4
= 135. Penyelesaian basis bolehlaksana ini amat mudah ditemui kerana
selagi x
1
dan x
2
ditetapkan sama dengan sifar, nilai bagi angkubah yang tinggal mudah
dibaca melalui bahagian sebelah-kanan persamaan kekangan. Sekiranya kita mengkaji
keadaan sistem persamaan ini dengan teliti, kita boleh mengenalpasti dua peraturan yang
mungkin mudah ditemui penyelesaian basis bolehlaksana.
Peraturan pertama membolehkan kita mencari penyelesaian basis. Ringkasnya,
peraturan ini menyatakan, bagi m angkubah (m = 4 di dalam kes ini) mesti setiapnya
mempunyai koeffisien satu dalam satu persamaan dan dengan koeffisien sifar di dalam
semua persamaan yang lain. Kemudian jika m angkubah ini akan menjadi basis dengan
menetapkan n - m angkubah yang lain sama dengan sifar, nilai angkubah basis bolehlaksana
boleh dibaca melalui bahagian sebelah kanan-persamaan kekangan. Di dalam contoh
angkubah-angkubah s
1
, s
2
, s
3
dan s
4
memenuhi peraturan pertama ini.
Peraturan ke dua membolehkan kita dengan mudah mencari penyelesaian basis
bolehlaksana untuk pemprograman linear. Peraturan ini memerlukan nilai bahagian sebelah-
kanan bagi persamaan kekangan mestilah bukan negatif. Di dalam contoh kita lihat peraturan
ini juga dipenuhi.
Sekiranya kita boleh menulis masalah pemprograman linear kita dalam bentuk yang
memenuhi peraturan pertama, maka nilai angkubah basis kemudiannya adalah diberi melalui
bahagian sebelah kanan persamaan kekangan. Selanjutnya, jika peraturan ke dua dipenuhi,
nilai bagi angkubah mestilah bukan negatif dan penyelesaian basis juga bolehlaksana.
Jika masalah pemprograman linear memenuhi kedua-dua peraturan di atas, ia
dikatakan dalam bentuk tablau. Perhatikan bentuk standard mewakili masalah Par, Inc.
telah tersedia didalam bentuk tablau. Sebenarnya, bentuk standard dan bentuk tablau
mewakili pemprograman linear mempunyai semua kekangan bertanda lebih kecil daripada
atau sama dengan kepada kekangan dan nilai sebelah kanan bukan negatif adalah sama.
Walau bagaimanapun, seperti yang telah kita lihat kemudiannya di dalam bab ini, terdapat
banyak masalah pemprograman linear dimana bentuk standard dan bentuk tablau yang
tidak sama.
Sekarang biar kita berhenti untuk seketika dan ingat kembali sebab kita
memperkenalkan tetanda dalam bentuk tablau. Oleh kerana kaedah simpleks selalunya
bermula dengan penyelesaian basis bolehlaksana, dan oleh kerana bentuk tablau memberikan
cara yang mudah memperolehi penyelesaian basis bolehlaksana yang awal, meletakkan
masalah pemprograman linear ke dalam bentuk tablau merupakan langkah yang penting di
dalam menyediakan masalah untuk diselesaikan menggunakan kaedah simpleks. Tiga
langkah yang berikut adalah penting menyediakan masalah pemprograman linear untuk
diselesaikan menggunakan kaedah simpleks:

Langkah 1 Merumuskan masalah tersebut.
Langkah 2 Sediakan bentuk standard yang mewakili masalah dengan menambah
angkubah slak dan/atau menolak angkubah lebih pada.
Langkah 3 Sediakan bentuk jadual yang mewakili masalah.


3.3 Menyediakan Jadual Simpleks Awal

Setelah masalah pemprograman linear diubah dalam bentuk tablau, kita mempunyai
permulaan penyelesaian basis bolehlaksana yang boleh digunakan untuk memulakan
kaedah simpleks. Langkah berikutnya ialah menyediakan tablau simpleks awal, di mana ia
digunakan untuk memberikan kemudahan memberikan landasan dan membentuk
pengiraan penting semasa tatacara penyelesaian simpleks dijalankan.

Bahagian jadual simpleks awal ini hanyalah jadual yang mengandungi semua
koeffisien-koeffisien yang ditunjukkan di dalam bentuk tablau yang mewakili pemprograman
linear. Sekiranya kita mengambil tetanda secara am


c
j
= koeffisien fungsi objektif bagi angkubah j
b
i
= koeffisien bahagian sebelah kanan bagi kekangan i
a
ij
= koeffisien berkaitan dengan angkubah j dalam kekangan i


kita boleh lihat bahagian jadual simpleks seperti berikut:


c
1
c
2
. . . . . . . . . . c
n

a
11
a
12
. . . . . . . . . . a
1n
b
1

a
21
a
21
. . . . . . . . . . a
2n
b
2

. . . . . . . . . . . . . .
. . ...... . . . . . . . .
. . ............... . .
a
m1
a
m2
. . . . . . . . . . a
mn
b
m





Dalam tablau separa diatas, barisan mendatar dan menegak digunakan untuk
mengasingkan bahagian yang berbeza dari bentuk tablau yang mewakili pemprograman
linear. Garisan atas yang mendatar mengasingkan koeffisien angkubah dalam fungsi objektif
daripada koeffisien angkubah dalam persamaan kekangan. Garisan menegak boleh
diterangkan sebagai garisan persamaan; nilai bagi garisan sebelah kiri adalah koeffisien bagi
angkubah di dalam persamaan kekangan, dan di sebelah kanan garisan adalah nilai bahagian
sebelah kanan bagi persamaan kekangan.
Kemudian kita mungkin hendak merujuk kepada semua koeffisien fungsi objektif,
semua nilai bahagian sebelah kanan atau semua koeffisien di dalam kekangan. Untuk
membuat perkara ini kita mesti mencari tetanda am berikut untuk membantu:

baris c = baris bagi koeffisien fungsi objektif
lajur b = lajur bagi nilai bahagian sebelah kanan persamaan kekangan
Matrik A = baris m dan lajur n bagi koeffisien angkubah-angkubah di dalam
persamaan kekangan

Menggunakan tetanda ini, kita boleh tunjukkan bahagian jadual simpleks di atas
sebagaai berikut:

baris c
Matrik A lajur
b


Sebelum kita boleh mengunakan kaedah simpleks, dua baris dan dua lajur lagi perlu
ditambah kepada tablau kita. Walau bagaimanapun, sebelum mendefinasikan baris dan lajur
yang baru ini, mari kita bentuk sebahagian daripada tablau simpleks bagi masalah Par, Inc.
Bentuk tablau (sama seperti bentuk jadual dalam kes ini) bagi masalah Par, Inc. adalah:

max 10x
1
+ 9x
2
+ 0s
1
+ 0s
2
+ 0s
3
+ 0s
4

t.k.
7/10 x
1
+ 1x
2
+ 1s
1
= 630
1/2 x
1
+ 5/6 x
2
+ 1 s
2
= 600
1 x
1
+ 2/3x
2
+ 1 s
3
= 708
1/10 x
1
+ 1/4 x
2
+ 1s
4
= 135
x
1
, x
2
, s
1
, s
2
, s
3
, s
4
µ 0


Sebahagian jadual simpleks yang mengandungi koeffisien ini boleh ditulis sebagai

10 9 0 0 0 0
7 /10 1 1 0 0 0 630
1/2 5/6 0 1 0 0 600
1 2/3 0 0 1 0 708
1/10 1/2 0 0 0 1 135



Perhatikan baris di atas garisan mendatar yang pertama mengandungi koeffisien bagi
fungsi objektif dalam bentuk tablau. Unsur-unsur yang kelihatan diantara garisan mendatar
dan disebelah kiri garisan menegak adalah koeffisien bagi persamaan kekangan, di mana
unsur di sebelah kanan garisan mendatar adalah nilai bahagian sebelah kiri persamaan
kekangan. Ia mungkin mudah untuk mengingat di mana setiap barisan mengandungi
koeffisien bagi satu persamaan kekangan sekiranya kita perhatikan setiap lajur adalah
mewakili satu angkubah. Sebagai contoh, x
1
mewakili lajur pertama, x
2
ke dua, s
1
ke tiga dan
seterusnya. Untuk membantu kita mengingatinya, kita perlu tulis angkubah yang
berpadanan dengan setiap lajur terus kepada lajur tersebut. Berbuat demikian, kita dapati

x
1
x
2
s
1
s
2
s
3
s
4

10 9 0 0 0 0
7 /10 1 1 0 0 0 630
½ 5/6 0 1 0 0 600
1 2/3 0 0 1 0 708
1/10 ½ 0 0 0 1 135

Telah kita nyatakan terdahulu, kaedah simpleks mesti dimulakan dengan
penyelesaian basis bolehlaksana. Oleh itu, satu penyelesaian bolehlaksana bagi masalah Par,
Inc. di temui dengan menetapkan x
1
= 0 dan x
2
= 0 di dalam bentuk tablau bagi masalah kita.
Penyelesaian yang berpadanan dengan kombinasi keluaran sifar bagi beg standard dan sifar
bagi beg deluxe dandinyatakan melalui penyelesaian

(
(
(
(
(
¸
(

¸

(
(
(
(
(
¸
(

¸

135
708
600
630
0
0
=
s
s
s
s
x
x
4
3
2
1
2
1


Jadual simpleks awal mengandungi bentuk tablau bagi masalah, dan amat mudah
untuk mencari penyelesaian basis bolehlaksana daripada jadual simpleks awal.

Seperti yang anda boleh lihat, lajur di dalam jadual simpleks di mana 1 hanya di
dalam kedudukan bukan sifar mewakili setiap angkubah basis. Setiap lajur dikenali sebagai
unit lajur atau unit vektor. Juga, baris bagi tablau berpadanan dengan setiap angkubah
basis. Baris ini boleh dikenali dengan kenyataan ia mengandungi 1 di dalam unit lajur. Nilai
bagi setiap angkubah basis diberi oleh bi didalam baris yang berpadanan dengan angkubah
basis. Sebagai contoh, s
3
mempunyai 1 di dalam baris 3; oleh itu nilai bagi angkubah basis
adalah diberi oleh s
3
= b
3
= 708. Tatacara ini adalah untuk mengenalpasti nilai angkubah
basis ditunjukkan di dalam Jadual 3.1.

JADUAL 3.1 Ilustrasi Tatacara untuk Mengenalpasti Nilai Angkubah
Basis daripada Jadual Simplek

x
1
x
2
s
1
s
2
s
3
s
4
1
10 9 0 0 0 0 0
7/1
0
1 1 0 0 0 630
1/2 5/6 0 1 0 0 600
Baris
berpadanan
1 2/3 0 0 1 0 708 Nilai s
3

dengan s
3
1/1
0
1/2 0 0 0 1 135

Lajur yang berpadanan
dengan s
3

Untuk memudahkan kita akan menambah dua lajur baru kepada bentuk tablau
simpleks dalam usaha membentuk landasan angkubah basis dan keuntungan berkaitan
dengan angkubah ini. Satu lajur akan ditandakan sebagai Basis dan satu lagi sebagai c
j
. Di
bawah lajur yang ditandakan sebagai Basis ini kita akan senaraikan angkubah basis semasa,
dan di bawah lajur c
j
kita akan senaraikan keuntungan yang berpadanan dengan setiap
angkubah basis. Untuk masalah Par, Inc., keputusannya di dalam tablau simpleks awal
adalah seperti berikut:

x
1
x
2
s
1
s
2
s
3
s
4

Basis cj 10 9 0 0 0 0
s
1
0 7/10 1 1 0 0 0 630
s
2
0 1/2 5/6 0 1 0 0 600
s
3
0 1 2/3 0 0 1 0 708
s
3
0 1/10 1/2 0 0 0 1 135


Kita perhatikan di dalam lajur Basis di mana s
1
disenaraikan dahulu, oleh itu nilai
yang diberi oleh b
i
; s
2
kedua, oleh itu nilainya diberikan oleh b
2
, dan seterusnya.
Sehingga titik ini kita telah melihat bagaimana untuk mencari penyelesaian basis
bolehlaksana awal dan membentuk bahagian tablau simpleks. Kaedah simpleks sekarang
melelarkan daripada satu penyelesaian basis bolehlaksana kepada yang lain sehingga
penyelesaian basis bolehlaksana yang optimal dicapai. Di dalam bahagian yang berikutnya
kita akan membincangkan bagaimana kaedah simpleks bergerak daripada satu penyelesaian
bolehlaksana awal kepada penyelesaian basis bolehlaksana yang lebih baik.


3.4 Memperbaiki Penyelesaian

Bolehkah kita memperbaiki penyelesaian bolehlaksana yang ada sekarang? Untuk
membantu sekiranya mungkin, kita perkenalkan dua baris tambahan kepada tablau. Baris
pertama ditandakan sebagai z
j
, yang mewakili pengurangan nilai fungsi objektif yang akan
dihasilkan jika satu unit angkubah yang berpadanan dengan baris j bagi matrik A dibawa
masuk ke dalam penyelesaian. Sebagai contoh, z
1
mewakili pengurangan di dalam
keuntungan yang akan dihasilkan jika satu unit x
1
dibawa masuk ke dalam penyelesaian.
Mari kita lihat mengapa keuntungan akan berkurangan berlaku apabila x
1
dibawa
masuk ke dalam penyelesaian. Jika satu unit x
1
di keluarkan, kita akan menukarkan nilai bagi
angkubah basis semasa didalam usaha untuk memenuhi persamaan kekangan kita. Di dalam
kekangan pertama kita mempunyai

7/10 x
1
+ 1 x
2
+ 1 s
1
= 630

Jika kita mempertimbangkan untuk menjadikan x
1
nilai positif, kita perlu
mengurangkan x
2
dan/atau s
1
untuk memenuhi kekangan ini. Oleh kerana x
2
masih sifar (x
2

bukan angkubah basis), ia tidak boleh dikurangkan lagi. Oleh itu nilai s
1
akan dikurangkan
jika x
1
positif dikehendaki. Pengurangan di dalam nilai angkubah basis mungkin
menghasilkan pengurangan di dalam nilai fungsi objektif. Jumlah pengurangan adalah
bergantung kepada koeffisien s
1
di dalam fungsi objektif. Di dalam kes ini, oleh kerana s
1

adalah angkubah slak, koeffisiennya adalah sifar; pengurangan di dalam s
1
tidak akan
mengurangkan nilai fungsi objektif.
Dengan lain perkataan, setiap nilai x
1
di masukkan akan memperbaiki nilai fungsi
objektif sebanyak c
j
, di mana dalam masalah Par, Inc. keuntungan sebanyak $10 berpadanan
dengan pengeluaran setiap unit beg standard. Oleh kerana nilai bagi fungsi objektif
berkurangan sebanyak z
1
untuk setiap unit x
1
yang dikeluarkan, perubahan bersih di dalam
nilai fungsi objektif menghasilkan satu unit x
1
akan dimasukkan sebanyak c
1
– z
1
. Baris
berikut yang hendak kita tambahkan ke dalam tablau, kita rujukkan sebagai baris penilaian
bersih, yang menganndungi nilai c
j
- z
j
bagi setiap angkubah (lajur) di dalam tablau. Bentuk
kedudukan di dalam tablau, baris z
j
dan c
j
– z
j
diletakkan terus di bawah matrik A pada
tablau yang ada. Sekarang mari kita kembali kepada soalan asal di mana angkubah
sepatutnya menjadi basis melalui pengiraan kemasukkan ke dalam baris penilaian bersih
bagi masalah Par, Inc.
Jika kita bawa satu unit x
1
ke dalam penyelesaian, kita lihat daripada analisis
persamaan kekangan kita mesti memberi sehingga 7/10 jam masa pemotongan dan
mewarna, 1/2 jam masa menjahit, 1 jam masa kemasan dan 1/10 jam masa pemeriksaan
dan pembungkusan. Seperti yang kita perhatikan koeffisien di dalam setiap baris bagi lajur
x
1
menunjukkan berapa banyak unit angkubah basis di dalam baris tersebut akan
dikeluarkan daripada penyelesaian apabila satu unit x
1
di bawa masuk ke dalam. Secara
amnya, semua koeffisien lajur boleh ditakrifkan dengan cara ini. Oleh itu jika kita membawa
satu unit x
2
ke dalam penyelesaian, kita akan memberi sehingga 1 unit s
1
, 5/6 unit s
2
, 2/3
unit s
3
dan 1/4 unit s
4
.
Untuk mengira berapa banyak fungsi objektif akan berkurangaan apabila satu unit
angkubah bukan basis dibawa masuk ke dalam penyelesaian, kita mesti tahu nilai koeffisien
objektif bagi angkubah basis. Nilai ini di beri di dalam lajur c
j
tablau kita. Oleh kerana nilai di
dalam baris z
j
boleh dikira dengan mendarabkan unsur-unsur di dalam lajur c
j
dengan
unsur yang berpadanan di dalam lajur matrik A dan menjumlahkannya. Oleh itu kita dapati

z
1
= 0 (7/10) + 0 (1/2) + 0 (1) + 0 (1/10) = 0
z
2
= 0 (1) + 0 (5/6) + 0 (2/3) + 0 (1/4) = 0
z
3
= 1 (1) + 0 (0) + 0 (0) + 0 (0) = 0
z
4
= 0 (0) + 0 (1) + 0 (0) + 0 (0) = 0
z
5
= 0 (0) + 0 (0) + 0 (1) + 0 (0) = 0
z
6
= 0 (0) + 0 (0) + 0 (0) + 0 (1) = 0

Oleh kerana penyelesaian basis bolehlaksana awal mengandungi keselurohan
angkubah slak dan selagi nilai c
j
bagi angkubah ini semuanya sifar, mengurangkan nilai
angkubah slak apabila angkubah bukan basis dimasukkan ke dalam penyelesaian tidak
menyebabkan pengurangan didalam keuntungan.
Koeffisien fungsi objektif bagi x
1
adalah 10, oleh itu nilai c
1
- z
1
adalah 10 - 0 = 10. Ini
menunjukkan keputusan bersih dengan membawa satu unit x
1
ke dalam penyelesaian
semasa akan meningkatkan keuntungan sebanyak $10. Oleh itu baris penilaian bersih yang
berpadanan dengan x
1
kita masukkan nilai 10.
Dengan cara yang sama kita boleh kirakan nilai-nilai z
j
dan c
j
- z
j
yang berpadanan
dengan angkubah-angkubah yang selebihnya. Keputusannya adalah jadual simpleks awal
yang lengkap seperti berikut:

x
1
x
2
s
1
s
2
s
3
s
4

Basis cj 10 9 0 0 0 0
s
1
0 7/10 1 1 0 0 0 630
s
2
0 1/2 5/6 0 1 0 0 600
s
3
0 1 2/3 0 0 1 0 708
s
4
0 1/10 1/2 0 0 0 1 135
z
j
0 0 0 0 0 0 0
cj-z
j
10 9 0 0 0 0

Keuntungan

Dalam tablau ini kita juga melihat 0 di dalam lajur z
j
yang terakhir. Angka sifar ini
mewakili keuntungan yang berkaitan dengan penyelesaian basis semasa. Nilai ini adalah
didapati dengan mendharabkan nilai-nilai angkubah basis, yang di berikan di dalam lajur
terakhir, dengan sumbangan kepada keuntungan yang berpadanan sebagaimana diberikan
di dalam lajur c
j
.
Dengan melihat kepada baris penilaian bersih, kita lihat bagi setiap beg standard Par
keluarkan akan meningkatkan nilai fungsi objektif sebanyak $10; dan setiap beg deluxe akan
meningkatkan nilai fungsi objektif sebanyak $9. Diberikan hanya dengan maklumat ini
sahaja ia menunjukkan seberapa banyak yang mungkin beg standard boleh dikeluarkan. Kita
tahu setiap beg standard yang dikeluarkan akan menggunakan 7/10 jam masa pemotongan
dan mewarna. Oleh itu jika kita mengeluarkan x
1
beg standard, kita akan menggunakan
7/10x
1
jam masa pemotongan dan mewarna. Oleh kerana kita hanya mempunyai 630 jam
masa pemotongan dan mewarna, nilai maksimum x
1
yang mungkin, mempertimbangkan
kekangan memotong dan mewarna boleh dikirakan dengan menyelesaikan persamaan

7/10x
1
= 630

Oleh itu ia hanya cukup masa yang ada di dalam jabatan pemotongan dan mewarna
untuk mengeluarkan maksimum 900 beg standard.
Dengan cara yang sama, setiap beg standard yang dikeluarkan menggunakan 1/2 jam
masa yang ada bagi 600 jam masa menjahit; oleh itu bilangan maksimum bagi beg standard
yang boleh dikeluarkan dan masih memenuhi kekangan menjahit adalah diberikan oleh

1/2x
1
= 600

Ini menunjukkan bahawa x
1
selebih-lebihnya 1200. Tetapi kita tahu adalah mustahil untuk
mengeluarkan 1200 beg standard, selagi kita tidak mempunyai masa yang cukup bagi
pemotongan dan mewarna. Sebenarnya, kita lihat kita hanya mempunyai kapasiti yang
cukup di dalam jabatan pemotongan dan mewarna untuk membuat 900 beg standard.
Mempertimbangkan kekangan ini dengan serentak, masa untuk pemotongan dan mewarna
adalah lebih terbatas.
Daripada kekangan kemasan kita lihat x
1
beg standard akan menggunakan 1x
1

daripada 708 jam yang ada bagi masa kemasan. Menyelesaikan persamaan

1 x
1
= 708

menunjukkan dalam bentuk tiga kekangan yang dipertimbangkan setakat ini kita boleh
mengeluarkan selebih-lebihnya 708 beg standard.
Di dalam jabatan pemeriksaan dan pembungkusan setiap beg standard yang
dikeluarkan akan menggunakan 1/10 jam masa pemeriksaan dan pembungkusan. Oleh
kerana hanya 135 jam sahaja yang ada, kita boleh selesaikan

1/10 x
1
= 135

untuk mencari bilangan terbesar beg standard yang boleh di proses oleh jabatan
pemeriksaan dan pembungkusan adalah 1350. Apabila kita mempertimbangkan semua
kekangan serentak, kita lihat kekangan yang amat terhad dalam bentuk beg standard yang
maksimum boleh dikeluarkan adalah kekangan kemasan. Oleh itu, dengan membuat 708
beg standard akan menggunakan sepenuhnya kapasiti kemasan yang ada. Oleh itu jika x
1

dimasukkan ke dalam penyelesaian pada nilai yang maksimum, kita akan mengeluarkan 708
buah beg standard (x
1
= 708), dan tidak terdapat masa slak di dalam jabatan kemasan (s
3
=
0).
Di dalam membuat keputusan untuk mengeluarkan seberapa banyak beg standard
yang boleh, kita perlu mengubah set angkubah di dalam penyelesaian basis bolehlaksana.
Angkubah bukan basis yang terdahulu x
1
sekarang dikenali sebagai angkubah basis dengan
x
1
= 708, sementara itu angkubah basis yang dahulunya sekarang menjadi angkubah bukan
basis dengan s
3
= 0. Pertukaran peranan di antara dua angkubah ini adalah biasa bagi
kaedah simpleks. Ia merupakan cara kaedah simpleks bergerak daripada satu penyelesaian
basis bolehlaksana kepada yang lain dengan memilih angkubah bukan basis untuk
mengganti satu angkubah basis semasa. Proses pergerakan daripada satu penyelesaian basis
bolehlaksana kepada yang lain dipanggil lelaran.
Sebelum menerangkan peraturan am untuk langkah-langkah kaedah simpleks, mari
kita pertimbangkan persamaan kekangan berikut di mana mungkin kelihatan di dalam bentuk
tablau pemprograman linear:

- 2/3x
1
+ 0 x
2
+ 1 s
2
= 500

Katakan s
2
adalah angkubah basis dan x
1
dan x
2
angkubah bukan basis. Oleh kerana
koeffisien x
2
adalah negatif (-2/3), setiap unit x
1
dimasukkan ke dalam penyelesaian akan
memerlukan angkubah basis s
2
untuk bertambah sebanyak 2/3 daripada unit tersebut
dalam usaha untuk mengekalkan persamaan kekangan. Oleh itu walau sebagaimana besar
sekalipun kita mengeluarkan x
1
, angkubah basis s
2
, juga bertambah besar dan oleh itu tidak
akan keluar daripada penyelesaian basis (iaitu, menghampiri kepada sifar). Begitu juga, oleh
kerana koeffisien x
3
adalah sifar, menjadikan x
3
sebagai basis tidak akan memberi kesan
terhadap nilai s
2
. Walaupun seberapa besar kita keluarkan x
3
, angkubah basis s
2
masih kekal
tidak berubah dan tidak akan dikeluarkan daripada penyelesaian. Oleh itu jika koeffisien
bagi angkubah bukan basis kurang daripada satu atau sama dengan sifar ke dalam beberapa
kekangan, maka kekangan tersebut, bilangan unit angkubah bukan basis boleh tanpa had
dibawa ke dalam penyelesaian. Oleh itu angkubah basis yang berkaitan dengan kekangan
tidak akan terkeluar daripada penyelesaian. Oleh itu di dalam menentukan angkubah mana
yang sepatutnya meninggalkan basis semasa, kita hanya perlu untuk mempertimbangkan
baris tablau kita di mana koeffisien bagi angkubah bukan basis yang akan masuk adalah
positif. Dengan pertimbangan tambahan dalam fikiran kita, kita sekarang menerangkan
peraturan simpleks secara am untuk memilih angkubah bukan basis untuk masuk kedalam
basis dan angkubah basis semasa untuk keluar dari basis.

Ciri-ciri Untuk Memasukkan Angkubah Baru Ke dalam Basis

Lihat pada baris penilaian bersih dan pilih sebagai angkubah untuk memasuki basis di
mana angkubah tersebut akan menyebabkan pertambahan setiap unit yang terbesar
sekali di dalam fungsi objektif. Mari kita katakan angkubah ini berpadanan dengan lajur j di
dalam bahagian A tablau.

Ciri-ciri Untuk Mengeluarkan Angkubah Daripada Basis Semasa

Bagi setiap baris i kirakan kadar b
i
/a
ij
untuk setiap a
ij
yang lebih besar daripada sifar. Kadar
ini memberitahu kita jumlah maksimum bagi angkubah x
j
yang boleh di bawa masuk ke
dalam peyelesaian dan masih memenuhi persamaan kekangan yang diwakili oleh baris
tersebut. Kadar yang minimum memberi tahu kita manakah kekangan yang terhad sekali
jika x
j
dimasukkan ke dalam penyelesaian. Setelah kita memperolehi peraturan berikut bagi
memilih angkubah untuk dikeluarkan daripada basis semasa: Untuk semua kadar b
1
/a
ij
di
mana a
ij
> 0, pilih angkubah basis yang berpadanan dengan angkubah yang mempunyai
kadar yang minimum untuk keluar daripada basis.
Mari kita gambarkan tatacara di atas dengan menggunakannya kepada masalah Par,
Inc. kita. Untuk tujuan ilustrasi kita akan tambahkan lajur tambahan yang menunjukkan
kadar b
i
/a
ij
bagi tablau simpleks awal berkaitan dengan masalah Par, Inc:
Perhatikan bahawa c
j
- z
j
= 10 adalah nilai positif yang terbesar di dalam baris c
j
- z
j
.
Oleh itu x
1
adalah dipilih untuk menjadikan angkubah basis yang baru. Memeriksa kadar
b
i
/a
ij
untuk a
ij
µ 0, kita dapati b
i
/a
ij
= 708 adalah kadar yang minimum. Oleh itu angkubah
basis semasa berkaitan dengan baris 3 (s
3
) adalah angkubah yang dipilih untuk
meninggalkan basis. Di dalam tablau kita telah bulatkan a
31
, , untuk menunjukkan
angkubah tersebut berpadanan dengan lajur pertama yang akan masuk ke dalam basis dan
untuk menunjukkan angkubah basis yang berpadanan kepada baris ke tiga untuk
meninggalkan basis. Mengambil terminologi pemprograman linear, yang mana kita katakan
unsur yang telah kita bulatkan sebagai unsur pivot.
Untuk memperbaiki penyelesaian semasa bagi x
1
= 0, x
2
= 0, s
1
= 630, s
2
= 600, s
3
=
708 dan s
4
= 135, kita perlu meningkatkan x
1
kepada 708. Ini akan menyebabkan
pengeluaran 708 beg standard pada keuntungan yang berpadanan $10 X 708 unit = $7080.
Dengan berbuat demikian, kita akan menggunakan sepenuhnya kapasiti kemasan yang ada,
dan oleh itu s
3
akan di kurangkan kepada sifar. Oleh itu x
1
akan menjadi angkubah basis,
menggantikan s
3
di dalam basis yang lama.

x
1
x
2
s
1
s
2
s
3
s
4

b
i

a
ij

Basis c
j
10 9 0 0 0 0
s
1
0 7/10 1 1 0 0 0 630
630 = 900
7/10
s
2
0 1/2 5/6 0 1 0 0 600
600 =1200
½
s
3
0 1 2/3 0 0 1 0 708
708 = 708
1
s
4
0 1/10 1/2 0 0 0 1 135
135 = 1350
1/10
z
j
1 0 0 0 0 0 0
c
j
-z
j
10 9 0 0 0 0


3.5 Pengiraan Tablau Berikutnya

Kita telah lihat dibahagian yang lepas penyelesaian basis bolehlaksana yang awal boleh
diperbaiki dengan memasukkan x
1
ke dalam basis untuk menggantikan s
3
. Sebelum kita
boleh menentukan samada penyelesaian basis bolehlaksana yang baru ini boleh diperbaiki,
adalah penting untuk membentuk tablau simpleks yang berpadanan.
Ingat kembali tablau simpleks yang awal hanyalah tablau yang mengandungi
koeffisien dalam bentuk tablau bagi masalah pemprograman linear. Disebabkan oleh
peraturan khas bentuk perwakilan, tablau simplek awal mengandungi unit lajur yang
berpadanan dengan setiap angkubah basis. Oleh itu nilai angkubah basis dengan 1 di dalam
baris i boleh ditemui dengan hanya membaca unsur i lajur terakhir di dalam tablau simpleks,
b
i
.
Sekarang kita rumuskan tablau yang baru di dalam bentuk semua lajur berkaitan
dengan angkubah basis yang baru merupakan unit lajur, oleh itu nilai angkubah basis dalam
baris i diberikan sebagai b
i
. Oleh itu kita akan membuat lajur di dalam tablau baru
berpadanan dengan x
i
di lihat sama seperti lajur yang berpadanan dengan s
3
di dalam
tablau asal kita. Oleh itu matlamat kita adalah untuk mendapatkan lajur di dalam matrik A
kita berkaitan dengan x
1
ditunjukkan sebagai

0
0
1
0

Cara di mana kita mengubah tablau simpleks supaya ia masih mewakili sistem yang
sama bagi persamaan kekangan dengan peraturan di atas adalah untuk menggunakan
operasi baris asas. Operasi baris asas digunakan adalah seperti berikut:-

1. Dharabkan mana-mana baris (persamaan) dengan nombor bukan sifar.
2. Gantikan mana-mana baris (persamaan) dengan hasil campur atau tolak
pendharaban baris (persamaan) yang lain kepadanya.

Penggunaan operasi baris asas ini kepada sistem persamaan serentak linear tidak akan
mengubah penyelesaian kepada sistem persamaan, walau bagaimanapun, operasi baris
akan mengubah koeffisien bagi angkubah-angkubah dan nilai bahagian sebelah kanan.
Dengan menggunakan operasi baris ini, kita berkebolehan untuk mengubah sistem
persamaan kekangan semasa kita kepada bentuk yang mudah untuk mengenalpasti
penyelesaian basis bolehlaksana yang baru. Ini dilakukan melalui mengubah lajur untuk
angkubah memasuki basis kepada unit lajur dan, pada masa yang sama, mengubah lajur yang
terakhir bagi tablau oleh itu ia mengandungi nilai angkubah basis yang baru. Kita
menekankan pembentukan operasi ini bukan satu cara memberi kesan penyelesaian ke atas
masalah kita, oleh kerana penyelesaiam bolehlaksana kepada persamaan kekangan adalah
tidak berubah melalui operasi baris asas ini.
Nyatalah. kebanyakan nilai numerik di dalam tablau simpleks akan pergi kepada
perubahan sebagai hasil daripada pembentukan operasi baris ini. Walau bagaimanapun, kita
tahu selepas operasi baris di bentuk, tablau simpleks yang baru masih menunjukkan sistem
persamaan yang sama. Walaupun demikian, disebabkan unsur di dalam tablau simpleks
yang baru telah bertukar hasil daripada keperluan operasi baris, kaedah sekarang merujuk
kepada unsur-unsur tablau simpleks mungkin mengelirukan. Mari kita lihat mengapa ia
terjadi.
Sehingga kini kita tidak membuat perbezaan diantara matrik A dan lajur b bagi
bentuk tablau dan bahagian yang berpadanan dengan tablau simpleks. Sesungguhnya, kita
telah lihat tablau simpleks awal adalah dibentuk melalui penempatan yang teliti unsur-unsur
a
ij
, c
j
dan b
i
seperti yang diberikan di dalam bentuk tablau kepada tablau simpleks. Dari
sekarang, kita akan merujuk kepada bahagian tablau simpleks yang pada awalnya
mengandungi nilai a
ij
dengan simbol Ã, dan bahagian tablau yang pada awalnya
mengandungi nilai b
i
dengan simbol b
i
. Di dalam bentuk tablau simpleks, unsur di dalam Ã
akan ditandakan sebagai ã
ij
dan unsur di dalam b akan ditandakan dengan b
i
. Kita
memperakui penggunaan tetanda ini kita mempunyai à = A dan b = b di dalam tablau
simpleks yang awal. Walau bagaimanapun, di dalam tablau simpleks kemudiannya
perhubungan ini tidak digunakan lagi. Tetanda ini akan menghindarkan beberapa kekeliruan
apabila kita cuba untuk membezakan diantara nilai koeffisien ã
ij
kekangan yang asal, dan
nilai bahagian sebelah-kanan b
i
bagi bentuk tablau, dan unsur-unsur ã
ij
dan b
i
tablau
simpleks.
Sekarang mari kita perhatikan operasi baris akan di gunakan untuk membentuk
tablau baru dengan kembali kepada masalah Par, Inc. Ingat kembali kepada matlamat kita
untuk membentuk lajur dalam bahagian à bagi tablau yang berpadanan dengan x
1
untuk
ditunjukkan sebagai

(
(
(
¸
(

¸

(
(
(
(
¸
(

¸

0
1
0
0
=
a
a
a
a
41
31
21
11


Oleh kerana kita telah mempunyai ã
31
= 1 di dalam tablau simpleks awal, tiada
operasi baris diperlukan untuk dibentuk kepada baris ke tiga bagi tablau.
Di dalam usaha untuk menetapkan ã
11
= 0, pertamanya kita bentuk operasi baris
dengan mendharabkan baris pivot (baris yang berpadanan dengan kekangan penyudah)
dengan -7/10 untuk mendapatkan persamaan yang bersamaan

- 7/10 (x
1
+ 2/3x
2
+ 0s
1
+ 0s
2
+ 1s
3
+ 0s
4
) = - 7/10(708)

atau

- 7/10x
1
-14/30x
2
- 0s
1
- 0s
2
-7/10s
3
- 0s
4
= - 495.6 (3.11)

Kekangan pemotongan dan mewarna adalah

7/10 x
1
+ 1x
2
+ 1s
1
+ 0s
2
+ 0s
3
+ 0s
4
= 630 (3.12)

Sekarang campurkan persamaan (3.11) kepada persamaan pemotongan dan
mewarna (3.12). Gugurkan pernyataan yang mempunyai koeffisien sifar dan terbitkan
tambahan ini, kita mempunyai

(7/10 x
1
+ 1x
2
+ 1s
1
) + (-7/10x
1
- 14/30x
2
- 7/10s
3
) = 630 -495.4
atau
0x
1
+ 16/30s
2
+ 1s
1
- 7/10 s
3
= 134.4 (3.13)

Oleh itu ia merupakan operasi baris yang mudah, kita telah mempunyai sistem
persamaan yang sama jika persamaan (3.12) digantikan dengan (3.13). Melalui penggantian
ke dalam tablau asal, kita lihat operasi baris asas membolehkan kita memperolehi sifar
dikedudukan pertama di dalam lajur x
1
(oleh itu, ã
11
= 0).

x
1
x
2
s
1
s
2
s
3
s
4

Basis c
j
10 9 0 0 0 0
0 16/39 1 0 -7/10 0 134.4
1/2 5/6 0 1 0 0 600
1 2/3 0 0 1 0 708
1/10 1/4 0 0 0 1 135
z
j

c
j
- z
j


Kita masih perlu untuk menetapkan unsur di dalam baris ke dua dan ke empat bagi
lajur x
1
sama dengan sifar. Bolehkah anda mencari jalan untuk melakukannya? Ingat
kembali kepada yang telah kita lakukan untuk menghasilkan baris 1 dengan mendharabkan
baris pivot dengan pemalar bukan sifar (-7/10) dan kemudian mencampurkan hasilnya
kepada baris pertama. Perhatikan bahawa, pemalar dalam kes ini adalah koeffisien negatif
bagi baris pertama dan lajur x
1
. Oleh itu untuk menetapkan unsur di dalam kekangan ke dua
yang berpadanan kepada lajur x
1
sama dengan sifar, kita dharabkan baris pivot dengan -1/2
dan campurkan hasilnya kepada kekangan ke dua. Ini memberikan hasil

(1/2x
1
+ 5/6x
2
+ 1s
2
) + (-1/2x
1
- 1/3x
2
- 1/2s
2
) = 600 - 354

yang mana sama dengan

0x
1
+ 1/2x
2
+ 0s
1
+ 1s
2
- 1/2s
3
+ 0s
5
= 246

Ini akan menjadi perwakilan baru kepada persamaan kekangan ke dua di dalam
tablau simpleks.
Untuk mendapatkan sifar pada kedudukan ã
41
, kita hanya mendharabkan baris pivot
dengan -1/10 dan kemudian mencampurkan hasilnya kepada baris akhir. Hasil persamaan
kekangan adalah

0x
1
+ 22/10 x
2
+ 0s
1
+ 0s
2
- 1/10s
3
+ 1s
4
= 64.2

Meletakkan dua persamaan yang akhir kedalam tablau yang baru memberikan kita
tablau simpleks berikut:

x
1
x
2
s
1
s
2
s
3
s
4

Basis c
j
10 9 0 0 0 0
s
1
0 0 16/30 1 0 -7/10 0 134.4
s
2
0 0 1/2 0 1 -1/2 0 246
x
1
10 1 2/3 0 0 1 0 708
s
4
0 0 22/120 0 0 -1/10 1 64.2
z
j
7080
c
j
- z
j


Sistem persamaan yang berpadanan adalah (sebutan yang mempunyai koeffisien sifar
digugurkan):

16/30 x
2
+ 1 s
1
- 7/10 s
3
= 134.4
1/2 x
2
+ 1 s
2
- 1/2 s
3
= 246
1 x
1
+ 2/3 x
2
+ 1 s
3
= 708
22/120 x
2
- 1/10 s
3
+ 1 s
4
= 64.2

Menetapkan nilai sifar kepada angkubah bukan basis x
2
dan s
3
akan memudahkan
kita menentukan penyelesaian basis bolehlaksana yang baru

s
1
= 134.4
s
2
= 246
x
1
= 708
s
4
= 64.2

Penyelesaian ini boleh juga dikenali cepat dengan merujuk kepada lajur terakhir di
dalam tablau simpleks yang baru. Keuntungan yang berpadanan kepada penyelesaian ini
adalah $7080. Perhatian nilai bagi keuntungan adalah diperolehi dengan pendharaban nilai
penyelesaian angkubah basis di dalam lajur b dengan koeffisien fungsi objektif yang
berpadanan yang diberi oleh lajur c
j
- iaitu 0 (134.4) + 0 (246) + 10(708) + 0(64.2) = $7080.
Kita masih lagi belum mengira sebarang kemasukkan di dalam baris z
j
dan c
j

- z
j
. Sebelum
melakukannya, mari kita kembali kepada penyelesaian yang ada sekarang.

Tafsiran Dari Hasil Lelaran

Bermula dengan satu tablau simpleks, tukarkan angkubah basis, dan mencari tablau
simpleks yang baru adalah dirujukkan kepada lelaran kaedah simpleks. Di dalam contoh kita
penyelesaian basis bolehlaksana yang awal ialah

(
(
(
(
(
¸
(

¸

(
(
(
(
(
¸
(

¸

135
708
600
630
0
0
=
s
s
s
s
x
x
4
3
2
1
2
1


dengan keuntungan yang berpadanan sebanyak $10. Satu lelaran kaedah simpleks bergerak
kepada penyelesaian basis bolehlaksana yang lain di mana nilai fungsi objektif adalah $7080.
Penyelesaian basis bolehlaksana yang baru adalah


(
(
(
(
(
¸
(

¸

(
(
(
(
(
¸
(

¸

64.2
0
246
134.4
0
708
=
s
s
s
s
x
x
4
3
2
1
2
1


Secara geraf lelaran ini menggerakkan kita dari satu titik ekstrim kepada titik ekstrim
yang lain disepanjang sempadan kawasan bolehlaksana kita. Di dalam Rajah 3.2 kita lihat
penyelesaian basis bolehlaksana yang awal adalah berpadanan dengan titik ekstrim .
Lelaran pertama menggerakkan kita dalam arah pertambahan seunit keuntungan yang lebih
besar, iaitu di sepanjang paksi x
j
. Kita bergerak daripada titik ekstrim  dalam arah x
1

sehingga kita tidak boleh bergerak lagi tanpa melanggar satu daripada kekangan. Tablau
yang kita kirakan selepas satu lelaran mewakili penyelesaian basis bolehlaksana yang
berpadanan dengan titik ekstrim .

Rajah 3.2
Kawasan Bolehlaksana bagi Masalah Par, Inc.

Kita ketahui angkubah slak mewakili kapasiti yang tidak digunakan bagi setiap
kekangan yang berkaitan. Tiada nilai bagi s
1
di dalam tablau simpleks kita, kita lihat kapasiti
pemotongan dan mewarna yang tidak digunakan ialah 134.4 jam. Adakah ia kelihatan
berpatutan? Oleh kerana penyelesaian menunjukkan kita sepatutnya membuat 708 beg
standard, dan setiap beg standard memerlukan 7/10 jam masa pemotongan dan mewarna,
jumlah masa yang digunakan di dalam pengeluaran 708 beg standard ialah 7/10 (708) =
495.6. Kita bermula dengan 630 jam; oleh itu kita sekarang mempunyai 134.4 jam masa
yang tidak digunakan dari masa yang ada. Begitu juga, oleh kerana setiap beg standard yang
dikeluarkan memerlukan 1/2 jam masa menjahit, jumlah masa menjahit yang digunakan
untuk mengeluarkan 708 beg standard ialah 354 jam. Kita mulakan dengan 600 jam masa
1
2
3
4
5
menjahit; oleh itu 246 jam masa yang tinggal. Setiap beg standard memerlukan 1 jam masa
kemasan. Oleh kerana 708 jam masa kemasan yang ada, kita akan menggunakan semua
masa kemasan untuk mengeluarkan 708 buah beg standard, Ini disebabkan, seperti yang
anda lihat, kekangan penyudah terikat pada titik ekstrim . Mengeluarkan 708 buah beg
standard akan menggunakan 1/10 (708) = 80.8 jam masa pemeriksaan dan pembungkusan,
dengan meninggalkan 64.2 jam slak di dalam jabatan ini.

Bergerak Ke arah Penyelesaian yang Lebih Baik

Kita telah bersedia untuk memulakan semuanya sekali lagi. Soalan berikutnya yang perlu
kita tanya ialah: Bolehkah kita mencari penyelesaian basis bolehlaksana (titik ekstrim) yang
akan meningkatkan nilai fungsi objektif yang lebih baik? Untuk menjawab soalan ini, kita
perlu mengira baris z
j
dan c
j
- z
j
bagi tablau simpleks yang ada.
Ingat kembali unsur-unsur di dalam baris z
j
boleh dikira dengan mendharabkan unsur
di dalam lajur c
j
tablau simpleks dengan unsur yang berpadanan di dalam lajur matrik à dan
menjumlahkannya. Oleh itu kita dapati

z
1
= 0(0) + 0(0) + 10(10) + 0(0) = 10
z
2
= 0(16/30) + 0(1/2) + 0(2/3) + 0(1/10) = 20/3
z
3
= 0(1) + 0(0) + 10(0) + 0(0) = 0
z
4
= 0(0) + 0(1) + 10(0) + 0(0) = 0
z
5
= 0(-7/10) + 0(-1/2) + 10(0) + 0(-1/10) = 10
z
6
= 0(0) + 0(0) + 10(0) + 0(1) = 0

Menolak z
j
daripada c
j
untuk medapatkan baris penilaian bersih, kita dapatkan tablau
simpleks yang lengkap.

x
1
x
2
s
1
s
2
s
3
s
4

Basis c
j
10 9 0 0 0 0
s
1
0 0 16/30 1 0 -7/10 0 134.4
s
2
0 0 1/2 0 1 -1/2 0 246
x
1
10 1 1/3 0 0 1 0 708
s
4
0 0 22/120 0 0 -1/10 1 64.2
z
j
10 20/3 0 0 10 0 7080
c
j
-z
j
0 7/3 0 0 -10 0

Sebelum mempertimbangkan soalan menukarkan basis dan bergerak kepada
penyelesaian basis bolehlaksana yang lebih baik, mari kita lihat jika kita boleh mentafsirkan
beberapa nilai numerik yang kelihatan pada tablau simpleks di atas dalam masalah Par, Inc.
yang asal.
Kita ketahui unsur-unsur di dalam lajur x
2
menunjukkan berapa banyak setiap dari
empat angkubah basis boleh berubah di dalam usaha untuk mengeluarkan satu unit x
2
dan
masih lagi memenuhi keperluan kesemua perhubungan kekangan. Menggunakan lajur basis
unuk mengenalpasti angkubah basis yang berpadanan dengan setiap unsur di dalam lajur x
2
,
kita boleh melihat dengan memperkenalkan satu unit x
2
akan memaksa kita mengurangkan
s
2
sebanyak 16/30 unit, s
2
sebanyak 1/2 unit, x
1
sebanyak 2/3 unit dan s
4
sebanyak 22/120
unit.
Mengapakah dengan mengeluarkan satu unit beg deluxe memerlukan kita
mengurangkan pengeluaran beg standard sebanyak 2/3 unit? Perhatikan disini, apabila kita
memutuskan untuk mengeluarkan 708 beg standard kita akan menggunakan semua masa
kemasan yang ada. Oleh itu setiap unit x
2
yang hendak kita keluarkan memerlukan 2/3 jam
masa kemasan (ã
32
= 2/3), dan setiap unit x
1
memerlukan 1 jam penuh, kita lihat dalam
usaha untuk mengeluarkan satu unit x
2
kita perlu memotong 2/3 unit x
1
untuk mencukupi
masa kemasan. Oleh itu ã
32
= 2/3 menunjukkan sebenarnya berapa banyak unit bagi
angkubah basis x
1
yang sebenanya mesti diberi jika satu unit x
2
dkeluarkan.
Dalam tablau asal (lihat kembali dan semak) kita lihat setiap beg deluxe
memerlukan 1 jam masa pemotongan dan mewarna. Mengapa, kemudian ã12 = 16/30?
Sekali lagi, setiap beg deluxe yang kita keluarkan kita akan mengurangkan 2/3 beg standard
daripada penyelesaian dan kemudian membebaskan 2/3 daripada masa pemotongan dan
mewarna yang diperlukan untuk satu beg standard. Oleh kerana setiap beg standard
memerlukan 7/10 jam, kita lihat 2/3(7/10) = 14/30 jam adalah bersesuaian sebab 2/3
daripada beg standard meninggalkan penyelesaian. Oleh itu setiap beg deluxe memerlukan
1 jam masa pemotongan dan mewarna, kesan bersih daripada pengeluaran satu beg deluxe
hanyalah menggunakan tambahan 1 - 14/30 = 16/30 jam masa pemotongan dan mewarna.
Koeffisien yang lain di dalam lajur x
2
boleh diterangkan dengan cara yang sama.
Untuk melihat mengapa c
j
– z
j
= 7/3 kita perhatikan oleh kerana angkubah s
1
, s
2
dan
s
4
adalah angkubah slak dan mempunyai koeffisien fungsi objektif sifar, pengurangannya
apabila satu unit x
2
dibawa masuk ke dalam penyelesaian tidak akan mengurangkan jumlah
keuntungan. Walau bagaimanapun, oleh kerana keuntungan berkaitan dengan setiap unit x
1

adalah $10, pengurangan 2/3 akan menyebabkan kos sebanyak $20/3. Dengan lain
perkataan, setiap unit x
2
kita bawa ke dalam penyelesaian akan meningkatkan keuntungan
sebanyak $9, atau $27/3. Oleh itu peningkatan bersih di dalam nilai fungsi objektif
dihasilkan daripada satu unit peningkatan di dalam x
2
dan akan memberikan sebanyak
$27/3 - 20/3 = $7/3.
Perhatikan bagi semua angkubah basis s
1
, s
2
, x
1
dan s
4
nilai bagi c
j
- z
j
sama dengan
sifar. Oleh kerana setiap angkubah ini berkaitan dengan unit lajur di dalam tablau simpleks
kita, kita boleh tafsirkan perkara ini dengan membawa satu unit angkubah basis ke dalam
penyelesaian akan memaksa kita mengeluarkan satu unit angkubah basis yang sama.
Keputusan ini nyata tiada perubahan bersih nilai fungsi objektif.

Sebagai ringkasan kita perhatikan setiap lelaran kaedah simpleks:

1. Nilai penyelesaian basis bolehlaksana semasa boleh ditemui di dalam lajur b tablau
simpleks.
2. Nilai c
j
- z
j
bagi setiap angkubah basis adalah sama dengan sifar
3. Koeffisien di dalam lajur tertentu bahagian A tablau simpleks menunjukkan berapa
banyak penyelesaian basis semasa akan berubah jika satu unit angkubah berkaitan
dengan lajur di masukkan.

Mari kita rujukkan kepada basis penilaian bersih untuk melihat jika kita boleh
masukkan angkubah baru ke dalam basis dan meneruskannya untuk memperbaiki fungsi
objektif. Menggunakan peraturan untuk menentukan angkubah manakah yang patut masuk
ke dalam basis berikutnya, kita pilih x
2
, kerana ia mempunyai koeffisien positif yang terbesar
di dalam baris penilaian bersih.
Di dalam usaha untuk menentukan angkubah manakah yang patut di keluarkan
daripada basis apabila x
2
dimasukkan, kita mesti mengira bagi setiap baris i kadar b
i

ij

(ingat, melalauinya, kita hanya mengira kadar ã
i2
yang lebih besar daripada sifar) dan
kemudian memilih angkubah yang berpadanan dengan kadar minimum angkubah yang akan
keluar daripada basis. Seperti sebelumnya, kita akan tunjukkan kadar ini di dalam lajur
tambahan tablau simpleks. Oleh itu tablau akan menjadi
Oleh kerana 252 adalah kadar yang minimum, s
1
merupakan angkubah yang akan
meninggalkan basis. Unsur pivot adalah ã
12
= 16/30, di mana ia di bulatkan di dalam tablau
di atas. Angkubah x
2
sekarang mesti dijadikan angkubah basis. Ini bermakna kita mesti
membuat operasi baris untuk mencari penyelesaian basis bolehlaksana yang baru; ia itu,
kita mesti mengubah lajur di dalam tablau menjadi

(
(
(
¸
(

¸

0
0
0
1


x
1
x
2
s
1
s
2
s
3
s
4

Basis c
j
10 9 0 0 0 0 s
4

s
1
0 0 16/30 1 0 -7/10 0 134.4
134.4 =252
16/30
s
2
0 0 1/2 0 1 -1/2 0 246
246 =492
½
x
1
10 1 1/3 0 0 1 0 708
708 =2063
2/3
s
4
0 0 22/120 0 0 -1/10 1 64.2
64.2 =350.18
22/120
z
j
10 30/3 0 0 10 0 7080
c
j
-z
j
0 7/3 0 0 -10 0




Kita boleh lakukan dengan membentuk operasi baris yang berikut:
Langkah 1 Dharabkan setiap unsur di dalam baris 1 dengan 30/16. Ini akan menjadikan
ã
12
= 1.
Langkah 2 Dharabkan baris 1 yang baru dengan (-1/2) dan champurkan kepada baris 2.
Ini akan menjadikan ã
22
= 0.
Langkah 3 Dharabkan baris 1 yang baru dengan (-2/3) dan champurkan hasilnya dengan
baris 3. Ini menjadikan ã
32
= 0.
Langkah 4 Dharabkan baris 1 yang baru dengan (-22/120) dan champurkan hasilnya
dengan baris 4. Ini akan menjadikan ã
42
= 0.

Operasi baris asas di atas sekali lagi mengubah kedudukan bagi tablau simpleks kita,
tetapi tidak mengubah penyelesaian kepada kandungan sistem persamaan di dalam tablau.
Perbezaannya hanyalah kita sekarang mempunyai x
2
, s
2
, x
1
dan s
4
sebagai angkubah basis,
dan s
1
dan s
3
sebagai angkubah bukan basis. Tablau baru mewakili sistem persamaan yang
dihasilkan daripada operasi baris ini diterangkan seperti di bawah:

x
1
x
2
s
1
s
2
s
3
s
4

Basis c
j
10 9 0 0 0 0
x
2
9 0 1 30/16 0 -21/16 0 252
s
2
0 0 0 -15/16 1 5/32 0 120
x
1
10 1 0 -20/16 0 30/16 0 540
s
4
0 0 0 -11/16 0 9/64 1 18
z
j
7668
c
j
- z
j


Perhatikan keuntungan yang didapati dari penyelesaian bolehlaksana ialah 252 (9) +
120 (0) + 540 (10) + 18 (0) = 7668 dan angkubah basis adalah x
2

= 252, s
2

= 120, x
2
= 540 dam
s
4
= 18.
Penyelesaian basis bolehlaksana ini adalah berpadanan dengan titik ekstrim  di
dalam Rajah 3.2. Seperti yang telah anda ingat daripada penyelesaian secara geraf di dalam
Bab 2, ini merupakan penyelesaian optimum masalah Par, Inc. Walau bagaimanapun,
kaedah simpleks belum lagi mengenalpasti penyelesaian ini adalah optimum. Oleh itu kita
perlu meneruskan penyiasatan samada boleh atau tidak kita membawa mana-mana
angkubah lain masuk ke dalam basis dan bergerak kepada penyelesaian basis bolehlaksana
yang lain. Seperti yang telah kita lihat sebelumnya, ini melibatkan pengiraan baris z
j
dan c
j
-
z
j
dan kemudian memilih angkubah untuk masuk ke dalam basis yang berpadanan dengan
nilai positif yang terbesar di dalam baris penilaian bersih.
Selepas membentuk baris z
j
dan c
j
- z
j
untuk penyelesaian semasa, kita dapati tablau
simpleks yang lengkap sebagaimana berikut:

x
1
x
2
s
1
s
2
s
3
s
4

Basis c
j
10 9 0 0 0 0
x
1
9 0 1 30/16 0 -21/16 0 252
s
2
0 0 0 -15/16 1 5/32 0 120
x
1
10 1 0 -20/16 0 30/16 0 540
s
4
0 0 0 -11/16 0 9/64 1 18
z
j
10 9 70/16 0 111/16 0 7668
c
j
- z
j
0 0 -70/16 0 -111/16 0

Melihat kepada baris penilaian bersih kita dapati semua unsur adalah sifar atau
negatif. Oleh itu c
j

- z
j
adalah kurang daripada sifar bagi semua angkubah bukan basis s
1
dan
s
4
perubahan untuk membawa angkubah bukan basis ke dalam basis pada titik ini akan
mengurangkan nilai semasa bagi fungsi objektif. Oleh itu tablau di atas mewakili
penyelesaian optimum kepada masalah pemprograman linear kita.

Ciri-ciri Berhenti

Penyelesaian optimum kepada masalah pemprograman linear telah dicapai apabila tidak
ada lagi nilai positif di dalam baris penilaian bersih bagi tablau simpleks. Jika semua
ruangan di dalam baris penilaian bersih adalah sifar atau negatif, kita menghentikan
pengiraan. Penyelesaian optimum telah didapati daripada tablau simpleks semasa.

Tafsiran dari Penyelesaian Optimum

Kita lihat di dalam penyelesaian akhir masalah Par, Inc angkubah basis adalah x
2
, s
2
, x
1
dan
s
4
. Penyelesaian optimum yang lengkap bagi masalah Par Inc. adalah

(
(
(
(
(
¸
(

¸

(
(
(
(
(
¸
(

¸

18
0
120
0
252
540
=
s
s
s
s
x
x
4
3
2
1
2
1


Ia itu, penyelesaian optimum kita ialah x
1
= 540, x
2
= 252, s
1
= 0, s
2
= 120, s
3
= 0 dan
s
4
= 18, dengan nilai fungsi objektif yang berpadanan adalah $7668. Oleh itu jika
pemgurusan Par, Inc. hendak memaksimumkan keuntungan, ia sepatutnya mengeluarkan
540 buah beg standard dan 252 buah beg deluxe. Sebagai tambahan, pengurusan patut
perhatikan terdapat 120 jam masa terluang di jabatan jahitan dan 18 jam masa terluang di
jabatan pemeriksaan dan pembungkusan. Sekiranya mungkin unuk membuat pilihan bagi
sumber tambahan, pengurusan perlu merancang untuk berbuat demikian.
Kita juga boleh melihat dengan s
1
= 0 dan s
3
= 0 merupakan tiada masa slak yang
terdapat di dalam jabatan pemotongan dan mewarna dan jabatan kemasan. Kekangan bagi
operasi kedua-duanya adalah terikat di dalam penyelesaian optimum (lihat Rajah 3.2). Jika
mungkin untuk mendapatkan tambahan masa kepada dua jabatan ini, pehak pengurusan
perlu menimbangkannya untuk berbuat demikian.

3.6 Penyelesaian Masalah Contoh

Di dalam bahagian ini kita akan bawakan penyelesaian contoh numerik yang lengkap
menggunakan kaedah simpleks. Ini adalah untuk memberikan anda peluang memeriksa
kefahaman anda terhadap bahagian yang lepas. Anda sepatunyat mencuba untuk
menyelesaikan masalah tersebut sendiri sebelum mempelajari penyelesaian yang
diterangkan di sini.
Selesaikan pemprograman linear berikut dengan menggunakan kaedah simpleks:

max 4x
1
+ 6x
2
+ 3x
3
+ 1x
4

t.k.
3/2x
1
+ 2x
2
+ 4x
3
+ 3x
4
s 550
4x
1
+ 1x
2
+ 2x
3
+ 1x
4
s 700
2x
1
+ 3x
2
+ 1x
3
+ 2x
4
s 200
x
1
,x
2
,x
3
,x
4
≥ 0

Pertamanya kita mesti tambahkan angkubah slak untuk menjadikan masalah di
dalam bentuk standard:

max 4x
1
+ 6x
2
+ 3x
3
+ 1x
4
+ 0s
1
+ 0s
2
+ 0s
3

t.k.
3/2x
1
+ 2x
2
+ 4x
3
+ 3x
4
+ 1s
1
= 550
4x
1
+ 1x
2
+ 2x
3
+ 1x
4
+ 1s
2
= 700
2x
1
+ 3x
2
+ 1x
3
+ 2x
4
+ 1s
3
= 200
x
1
,x
2
,x
3
,x
4
≥ 0

Langkah berikutnya adalah menulis masalah di dalam bentuk tablau. Tetapi oleh
kerana semua kekangan mempunyai tanda lebih kecil daripada atau sama dengan dan nilai
sebelah kanan adalah bukan negatif, bentuk standard dan bentuk tablau adalah sama.
Daripada bentuk tablau kita boleh bentuk tablau simpleks awal:

x
1
x
2
x
3
x
4
s
1
s
2
s
3

Basis c
j
4 6 3 1 0 0 0 b
3
/a
3

s
1
0 3/2 2 4 3 1 0 0 550 550/2 = 225
s
2
0 4 1 2 1 0 1 0 100 100/1 = 700
s
3
0 2 3 1 2 0 0 1 200 20/3 = 66 2/3
z
j
0 0 0 0 0 0 0 0
c
j
- z
j
4 6 3 1 0 0 0

Dua lelaran kaedah simpleks adalah diperlukan untuk mencapai penyelesaian
optimum:

Hasil daripada lelaran 1

x
1
x
2
x
3
x
4
s
1
s
2
s
3

Basis c
j
4 6 3 1 0 0 0 b
i
/a
ij

s
1
0 1/6 0 10/3 5/3 1 0 -2/3 416 2/3 125
s
2
0 10/3 0 5/3 1/3 0 1 -1/3 633 1/3 380
x
3
6 2/3 1 1/3 2/3 0 0 1/3 66 2/3 200
z
j
12/3 6 6/3 12/3 0 0 6/3 400
c
j
- z
j
0 0 3/3 - 9/3 0 0 -6/3

Hasil daripada lelaran 2

x
1
x
2
x
3
x
4
s
1
s
2
s
3

Basis c
j
4 6 3 1 0 0 0
x
3
3 3/60 0 1 5/10 3/10 0 -2/10 125
s
2
0 39/12 0 0 -15/30 -5/10 1 0 425
x
2
6 39/60 1 0 15/30 -1/10 0 15/30 25
z
j
81/20 6 3 9/2 3/10 0 54/30 525
c
j
- z
j
-1/20 0 0 -7/2 -3/10 0 -54/30

Semua nilai unsur c
j
- z
j
adalah kurang atau sama dengan sifar. Oleh itu tidak ada lagi
angkubah yang boleh dimasukkan ke dalam penyelesaian dan mendapatkan peningkatan
fungsi objektif. Oleh itu penyelesaian tersebut adalah optimum. Angkubah basis adalah x
3
,
s
2
, dan x
2
dan penyelesaian optimum yang lengkap adalah di beri sebagai

(
(
(
(
(
(
¸
(

¸

(
(
(
(
(
(
¸
(

¸

0
425
0
0
125
25
0
=
s
s
s
x
x
x
x
3
2
1
4
3
2
1


Nilai fungsi objektif bagi penyelesaian ini ialah 525.


3.7 Bentuk Tablau: Kes-kes Am

Di dalam bahagian 3.2 kita telah tunjukkan bagaimana membentuk bentuk tablau masalah
pemprograman linear yang merupakan langkah penting di dalam menyediakan tatacara
penyelesaian simpleks. Anda mungkin ingat lagi bentuk tablau mesti mempunyai dua
peraturan yang penting: (1) nilai lajur b (nilai bahagian sebelah kanan) mesti bukan negatif,
dan (2) dengan m kekangan, m lajur bagi matrik A adalah unit lajur dengan 1 diunit lajur
semuanya di dalam baris yang berbeza.
Apabila kita formulasikan masalah Par, Inc. kita dapati semua nilai bahagian-sebelah-
kanan adalah bukan negatif [peraturan (1) dipenuhi] dan bentuk standard bagi empat
kekangan lebih kecil daripada atau sama dengan memberikan empat unit lajur bagi angkubah
slak berpadanan dengan kekangan [peraturan (2) dipenuhi]. Oleh itu kita bernasib baik di
dalam kes ini kerana di dalam bentuk standard masalah Par Inc juga merupakan bentuk
tablau. Walau bagaimana pun, apabila kita temui nilai bahagian sebelah kanan yang negatif,
kekangan lebih besar daripada atau sama dengan, dan/atau kekangan sama dengan kita perlu
mengambil langkah-langkah tambahan untuk mengubah pemprograman linear kepada bentuk
tablau. Pertamanya kita tunjukkan bagaimana untuk mengubahkan sebarang kekangan nilai
bahagian kanan yang negatif kepada kekangan yang sama dengan nilai sebelah kanan yang
bukan negatif.

Menghapuskan Bahagian sebelah kanan Yang Negatif

Untuk memberikan ilustrasi bagaimana bahagian sebelah kanan yang negatif boleh diatasi di
dalam masalah, katakan pehak pengurusan Par Inc telah menetapkan bahagian beg
standard yang perlu dikeluarkan mestilah sekurang-kurangnya atau sama dengan bilangan
beg deluxe selepas 25 buah beg deluxe dikeluarkan untuk kegunaan pengiklanan. Kita boleh
rumuskan kekangan ini sebagai

1x
1
s 1x
2
- 25 (3.14)

Menolak x
2
daripada kedua-dua bahagian ketaksamaan tersebut, membolehkan kita
menempatkan semua angkubah disebelah kiri: kekangan dan pemalar disebelah kanan. Oleh
itu kita dapati

1x
1
- 1x
2
s - 25 (3.15)

Oleh kerana bentuk tablau memerlukan nilai sebelah kanan bukan negatif, kita mesti
mencari jalan bagaimana untuk mengubah nilai negatif bahagian sebelah kanan.
Secara amnya, terdapat tiga kes yang berasingan untuk di pertimbangkan,
bergantung samada kekangan di dalam soalan adalah lebih kecil daripada atau sama
dengan, atau sama dengan, atau lebih besar daripada atau sama dengan. Untuk permulaan,
kita pertimbangkan kekangan lebih kecil daripada atau sama dengan seperti (3.15).


Kes 1 Kekangan kurang daripada atau sama dengan Kekangan Par Inc (3.15)
adalah

1x
1
- 1x
2
s -25

Apakah yang akan terjadi jika kita dharabkan kedua-dua bahagian denga -1?
Peraturannya ialah jika anda mendharabkan ke dua-dua belah ketaksamaan dengan nombor
negatif, tetanda bagi ketaksamaan akan berubah arah. Sebagai contohnya 1 ≥ -2 adalah
selalunya benar. Walau bagaimanapun, jika kita dharabkan kedua-dua belah dengan -1, kita
akan menukarkan arah ketaksamaan untuk mendapatkan perhubungan yang benar -1 s 2.
Begitu juga, dengan mendharabkan kekangan di atas dengan -1 dan menukarkan arah
ketaksamaan akan menghasilkan:

-1x
1
+ 1x
2
≥ 25 (3.16)

Sekarang kita telah mempunyai bahagian sebelah kanan yang boleh diterima untuk bentuk
tablau. Di dalam bahagian yang berikutnya kita akan tunjukkan bagaimana untuk
memperolehi bentuk tablau bagi kekangan lebih besar daripada atau sama dengan yang
mempunyai nilai bahagian sebelah kanan yang bukan negatif.

Kes 2 Kekangan sama dengan Sebagai contoh

6x
1
+ 3x
2
- 4x
3
= -20

Kita hanya perlu mendharabkan kedua-dua bahagian dengan -1 dalam usaha untuk
mendapatkan

- 6x
1
- 3x
2
+ 4x
3
= 20

di mana mempunyai nilai bahagian sebelah kanan yang boleh diterima untuk bentuk tablau.
Pada muka surat 96 kita tunjukkan bagaimana memperolehi bentuk tablau daripada
kekangan persamaan dengan nilai bahagian sebelah kanan yang bukan negatif.

Kes 3 Kekangan lebih besar daripada atau sama dengan Sebagai contoh

6x
1
+ 3x
2
- 4x
3
= -20

Kita darabkan kedua-dua belah bahagian dengan -1 dan tukarkan arah ketaksamaan
untuk mendapatkan

-6x
1
- 3x
2
+ 4x
3
= 20

Kekangan ini sekarang boleh dilakukan seperti mana-mana masalah lebih kecil
daripada atau sama dengan yang asal dengan menambah angkubah slak kepada bahagian
sebelah kiri. Ini memberikan kita bentuk tablau, angkubah slak akan menjadi satu angkubah
di dalam penyelesaian basis bolehlaksana yang awal.
Ringkasnya, kita lihat setiap kali formulasi pemprograman linear yang asal
mengandungi kekangan dengan nilai bahagian sebelah kanan yang negatif, kita perlu
melakukan operasi asas yang diterangkan di atas untuk menukarkan kekangan kepada
kekangan yang sama dengan nilai bahagian sebelah kanan yang bukan negatif.

Kekangan Lebih Besar daripada atau Sama dengan

Katakan di dalam masalah Par Inc, pehak pengurusan mahu menetapkan sekurang-
kurangnya 100 beg bagi setiap model mesti di keluarkan. Kita sepatutnya melibatkan
sekatan yang baru ini dengan menambahkan kekangan bagi menentukan x
1
lebih besar
daripada atau sama dengan 100 dan menambah kekangan yang lain untuk menentukan x
2

lebih besar daripada atau sama dengan 100 beg. Oleh itu kita boleh menambah kekangan

1 x
1
≥ 100 (3.17)
1 x
2
≥ 100 (3.18)

Dengan dua tambahan ini kita ubahsuaikan masalah kita dan sekarang boleh di tulis
sebagai

max 10x
1
+ 9x2
t.k.
7/10x
1
+ 1x
2
s 630
1/2x
1
+ 5/6x
2
s 600
1x
1
+ 2/3x
2
s 708
1/10x
1
+ 1/4x
2
s 135
1x
1
≥ 100
1x
2
≥ 100
x
1
, x
2
≥ 0

Penyelesaian secara geraf bagi masalah ini boleh dilihat di dalam Rajah 3.3 dan sama
seperti penyelesaian kepada masalah Par, Inc. yang asal. Walau bagaimanapun, jika kita
hendak menggunakan kaedah simpleks untuk menyelesaikan masalah ini, kita perlu tahu
bagaimana hendak meletakkan kekangan lebih besar daripada atau sama dengan ke dalam
bentuk tablau.
Pertamanya kita boleh menggunakan angkubah slak dan lebih pada untuk menulis
masalah Par Inc di dalam bentuk standard seperti berikut:

max 10x
1
+ 9x
2
+ 0x
1
+ 0s
2
+ 0s
3
+ 0s
4
+ 0s
5
+ 0s
6

t.k.
7/10x
1
+ 1x
2
+ 1x
1
= 630 (3.19)
1/2x
1
+ 5/6x
2
+ 1s
2
= 600 (3.20)
1x
1
+ 2/3x
2
+ 1s
3
= 708 (3.21)
1/10x
1
+ 1/4x
2
+ 1s
4
= 135 (3.22)
1x
1
- 1s
5
= 100 (3.23)
1x
2
- 1s
6
= 100 (3.24)
x
1
,x
2
,x
1
,s
2
,s
3
,s
4
,s
5
,s
6
≥ 0
Sekarang mari kita mempertimbangkan semula cara bagaimana kita membentuk
penyelesaian awal basis bolehlaksana untuk membolehtkan kaedah simpleks awal
dimulakan. Kita tetapkan x
1
= 0, x
2
= 0 dan pilih angkubah slak sebagai basis awal.
Pengembangan tetanda kepada masalah semasa adalah dicadangkan dengan menetapkan
x
1
= 0, x
2
= 0, dan pilih sebagai angkubah basis awal sebagai angkubah- angkubah slak dan
lebih pada. Walau bagaimanapun, lihat kepada geraf yang telah di sediakan bagi masalah ini
(Rajah 3.3), kita lihat penyelesaian yang berpadanan dengan origin tidak ladi bolehlaksana.
Kemasukkan dua kekangan lebih besar atau sama dengan, x
1
≥ 100 dan x
2
≥ 100 telah
menjadikan penyelesaian x
1
= x
2
= 0 tidak bolehlaksana.
Untuk melihat perkatra ini dengan cara yang lain, lihat pada persamaan (3.23) dan
(3.24) di dalam bentuk standard yang mewakili masalah. Apabila x
1
dan x
2
ditetapkan
kepada sifar, persamaan (3.23) dan (3.24) berkurangan kepada

- 1x
1
= 100

atau

- 1s
2
= 100

Oleh itu dengan menetapkan x
1
dan x
2
sama dengan sifar memberikan kita
penyelesaian basis

(
(
(
(
(
¸
(

¸

(
(
(
(
(
¸
(

¸

100 -
100 -
135
708
600
630
=
s6
s5
s4
s3
s2
xs1


Jelaslah menunjukkan bukan penyelesaian basis bolehlaksana, kerana s
5
dan s
6

melanggar keperluan kekangan bukan negatif. Oleh itu cara kita yang terdahulu untuk
mendapatkan penyelesaian awal basis bolehlaksana dengan menetapkan tiap-tiap angkubah
keputusan sama dengan sifar tidak berfungsi. Kesukaran disini ialah bentuk standard dan
bentuk tablau adalah sama hanya untuk masalah kekangan lebih kecil daripada atau sama
dengan.
Di dalam menyediakan bentuk tablau bagi masalah ini, kita boleh dibantu dengan
“muslihat” matametik yang membolehkan kita mencari penyelesaian awal basis
bolehlaksana bagi angkubah slak x
1
, s
2
, s
3
, s
4
dan dua angkubah baru yang kita tandakan
sebagai a
5
dan a
6
. Dua angkubah baru ini memberikan “muslihat” matematik. Angkubah a
5

dan a
6
sebenarnya tidak memberikan apa-apa makna kepada masalah Par, Inc., ia hanyalah
persediaan kepada kita untuk membolehkan kita menyediakan tablau dan mendapatkan
penyelesaian awal basis bolehlaksana. Oleh kerana angkubah-angkubah baru ini hayalah
dibentuk secara tiruan untuk kaedah ini berfungsi, kita rujukkan angkubah ini sebagai
angkubah tiruan. Kita harapkan pelajar- pelajar tidak dikelirukan oleh tetanda bagi
angkubah tiruan yang digunakan untuk unsur pada matrik A. Unsur-unsur bagi matrik A
sentiasa mempunyai dua sub-skrip, sementara angkubah tiruan hanya mempunyai satu.
Dengan tambahan dua angkubah tiruan ini, kita mengubah bentuk standard
mewakili masalah Par, Inc. yang telah diubahsuaikan ke dalam bentuk tablau. Kita
tambahkan angkubah tiruan a
5
kepada persamaan (3.23) dan angkubah tiruan a
6
kedalam
persamaan (3.24) untuk membentuk perwakilan berikut kepada sistem persamaan di dalam
bentuk tablau:

7/10x
1
+ 1x
2
+ 1x
1
= 630
1/2x
1
+ 5/6x
2
+ 1s
2
= 600
1x
1
+ 2/3x
2
+ 1s
3
= 708
1/10x
1
+ 1/4x
2
+ 1s
4
= 135
1x
1
- 1s
5
+ a
5
= 100
1x
2
- 1s
6
+ a
6
= 100
x
1
,x
2
,x
1
,s
2
,s
3
,s
4
,s
5
,s
6
,a
5
,a
6
ò 0

Sebab untuk mengenalkan dua angkubah tiruan sebagai a
5
dan a
6
hendaklah jelas
sekarang ini: Oleh kerana angkubah tiruan ditambah pada kekangan ke lima dan ke enam di
dalam rumusan pemprograman linear kita, kita pilih subskrip 5 dan 6 untuk mengenalpasti
kekangan yang diwakili oleh angkubah tiruan tersebut. Kenyataannya, perhatikan semua
angkubah-angkubah slak dan lebih pada juga hendaklah mematuhi konvensyen ini, sebagai
contohnya x
1
adalah mewakili kekangan pertama, s
2
mewakili kekangan ke dua dan
seterusnya. Di dalam teks ini kita akan selalu mematuhi konvensyen menggunakan subskrip
yang diwakili oleh angkubah merujuk kepada nombor kekangan di dalam formulasi.
Oleh kerana angkubah-angkubah x
1
, s
2
, s
3
, s
4
, a
5
dan a
6
setiap satunya kelihatan
mempunyai koeffisien 1, dan oleh kerana bahagian sebelah kanan bukan negatif, kesemua
keperluan bagi bentuk tablau telah dipenuhi.
Kita sekarang boleh membentuk penyelesaian awal basis bolehlaksana kepada
sistem persamaan di dalam bentuk tablau dengan menetapkan x
2
= x
2
= s
5
= s
6
= 0.
Penyelesaiann yang lengkap adalah

(
(
(
(
(
(
(
(
¸
(

¸

(
(
(
(
(
(
(
(
¸
(

¸

100
100
0
0
708
600
630
0
0
=
a6
a5
s5
s4
s3
s2
s1
x2
x1


Adakah ini penyelesaian bolehlaksana dalam masalah sebenar kita? Tidak. Ia tidak
memenuhi keperluan di mana kita perlu mengeluarkan sekurang-kurangnya 100 buah beg
bagi beg standard dan deluxe. Oleh itu kita mesti membuat perbezaan yang penting di
antara basis bolehlaksana bagi bentuk tablau bagi masalah kita dan penyelesaian basis
bolehlaksana bagi masalah sebenar. Penyelesaian basis bolehlaksana bagi bentuk tablau
masalah pemprograman linear tidak selalunya merupakan penyelesaian bolehlaksana bagi
masalah sebenar. Ini disebabkan oleh kehadiran angkubah tiruan di dalam bentuk tablau
masalah tersebut. Walau bagaimanapun, oleh kerana bentuk standard mewakili masalah
tidak melibatkan mana-mana angkubah tiruan ini, penyelesaian basis bolehlaksana bagi
bentuk standard yang diwakili mestilah bolehlaksana bagi masalah sebenar. Kita lihat,
kemudiannya, bentuk standard yang diwakili adalah sama dengan masalah asal, dimana
apabila kita perlu menambahkan angkubah tiruan maka ia tidak mewakili bentuk standard.
Seperti yang kita telah lihat terdahulunya di dalam bab ini, sebab kita membina
bentuk tablau adalah untuk memperolehi penyelesaian awal basis bolehlaksana yang
membolehkan kaedah simpleks bermula. Oleh itu kita lihat, walau apa yang diperlukan
untuk menambahkan angkubah tiruan, penyelesaian awal simpleks tidak dalam bentuk
bolehlaksana secara amnya bagi masalah sebenar. Situasi ini tidaklah sesukar yang kita lihat,
walau bagaimanapun oleh kerana hanya masa kita mesti mendapatkan penyelesaian
bolehlaksana bagi masalah sebenar pada lelaran yang terakhir bagi kaedah simpleks. (iaitu
penyelesaian optimum mestilah bolehlaksana). Oleh itu jika kita hendak menggunakan
beberapa alat untuk menjamin angkubah tiruan tersebut mesti keluar daripada basis
sebelum penyelesaian optimal dicapai adalah tidak sukar.
Cara di mana kita menjamin angkubah tiruan ini akan dikeluarkan sebelum
penyelesaian optimum dicapai adalah dengan meletakkan kos yang besar kepada setiap
angkubah ini di dalam fungsi objektif. Sebagai contoh, di dalam masalah yang sedang kita
bincangkan, kita letakkan satu nombor negatif yang sangat besar sebagai koeffisien
keuntungan pada setiap angkubah tiruan di dalam fungsi objektif bentuk tablau. Oleh itu
jika angkubah ini berada di dalam penyelesaian, ia semestinya akan menyebabkan
pengurangan keuntungan. Hasilnya, angkubah ini akan dihapuskan daripada basis secepat
yang mungkin, dan ini merupakan perkara yang kita harapkan akan berlaku.
Sebagai pilihan untuk memilih satu angka negatif yang besar seperti -100,000
sebagai koeffisien keuntungan, kita akan tandakan koeffisien keuntungan bagi tiap
angkubah tiruan sebagai -M. Di sini kita akan mengandaikan -M mewakili angka negatif yang
sangat besar. Tetanda ini akan menjadikan kita lebih mudah untuk mengikuti landasan bagi
unsur tablau simpleks yang bergantung kepada koeffisien keuntungan angkubah tiruan ini.
Menggunakan -M sebagai koeffisien keuntungan untuk angkubah tiruan, kita sekarang
boleh menulis fungsi objektif untuk bentuk tablau masalah kita:

max z = 10x
1
+ 9x
2
+ 0x
1
+ 0s
2
+ 0s
3
+ 0s
4
+ 0s
5
+ 0s
6
- Ma
5
- Ma
6


Dalam bentuk angkubah tiruan kita a
5
dan a
6
, kita sekarang boleh menulis tablau
awal simpleks seperti berikut:

x
1
x
2
x
1
s
2
s
3
s
4
s
5
s
6
a
5
a
6

Basis cj 10 9 0 0 0 0 0 0 -M -M
x
1
0 7/10 1 1 0 0 0 0 0 0 0 630
s
2
0 1/2 5/6 0 1 0 0 0 0 0 0 600
s
3
0 1 2/3 0 0 1 0 0 0 0 0 708
s
4
0 1/10 1/4 0 0 0 1 0 0 0 0 135
a
5
-M 1 0 0 0 0 0 -1 0 1 0 100
a
6
-M 0 1 0 0 0 0 0 -1 0 1 100
zj -M -M 0 0 0 0 M M -M -M -200M
cj-zj 10+M 9+M 0 0 0 0 -M -M 0 0

Tablau di atas berpadanan dengan penyelesaian x
1
= 630, s
2
= 600, s
3
= 708, s
4
= 135,
a
5
= 100, a
6
= 100 dan x
1
= x
2
= s
5
= s
6
= 0. Di dalam tablau kita ini merupakan penyelesaian
basis boleh lakana, oleh kerana semua angkubah adalah lebih besar daripada atau sama
dengan sifar dan n - m bagi angkubah adalah sama dengan sifar. Walau bagaimanapun, di
dalam masalah Par, Inc. yang telah diubahsuaikan, x
1
= x
2
= 0 nyatalah tidak bolehlaksana.
Kesukaran ini disebabkan oleh kenyataan angkubah tiruan masih lagi berada di dalam
penyelesaian basis semasa pada nilai positif. Mari kita lengkapkan penyelesaian simpleks
kepada masalah ini dan lihat jika angkubah tiruan ini akan keluar daripada penyelesaian
seperti yang kita harapkan.
Kita lihat pada lelaran pertama, x
1
akan di bawa masuk ke dalam basis dan a
5
telah
dibawa keluar. Tablau simpleks selepas lelaran ini adalah seperti dibawah:

Hasil daripada lelaran 1.



x
1
x
2
x
1
s
2
s
3
s
4
s
5
s
6
a
5
a
6

Basis cj 10 9 0 0 0 0 0 0 -M -M
x
1
0 10 1 1 0 0 0 7/1
0
0 -7/10 0 630
s
2
0 0 5/6 0 1 0 0 1/2 0 - ½ 0 550
s
3
0 0 2/3 0 0 1 0 1 0 -1 0 608
s
4
0 0 1/4 0 0 0 1 1/1
0
0 - 1/10 0 135
x
1
10 1 0 0 0 0 0 -1 0 1 0 100
a
6
-M 0 1 0 0 0 0 0 -1 0 1 100
zj 10 -M 0 0 0 0 -10 M 10 -M 1000-
100M
cj - zj 0 9+M 0 0 0 0 10 -M -M-10 0

Penyelesaian di atas masih lagi tidak bolehlaksana, oleh kerana angkubah tiruan a
6

masih di dalam basis pada nilai positif. Ia masih lagi tidak memenuhi keperluan x
2
≥ 100.
Secara geraf kita lihat di dalam Rajah 3.4 lelaran ini menggerakkan kita dari origin (label A)
kepada titik B , di mana masih lagi bukan di dalam kawasan bolehlaksana.
Pada lelaran berikutnya x
2
akan di bawa masuk ke dalam penyelesaian dan a
6
di
keluarkan. Tablau simpleks selepas lelaran ini adalah seperti ditunjukkan di bawah:

Hasil daripada lelaran ke 2:

x
1
x
2
x
1
s
2
s
3
s
4
s
5
s
6
a
5
a
6

Basis c
j
10 9 0 0 0 0 0 0 -M -M
x
1
0 10 0 1 0 0 0 7/10 1 - 7/10 -1 460
s
2
0 0 0 0 1 0 0 1/2 5/6 -2 /2 - 5/6 466
2/3
s
3
0 0 0 0 0 1 0 1 2/3 -1 - 2/3 541
1/3
s
4
0 0 0 0 0 0 1 1/10 1/4 - 1/10 -1/4 100
x
1
10 1 0 0 0 0 0 -1 0 1 0 100
x
2
9 0 1 0 0 0 0 0 -1 0 1 100
z
j
10 9 0 0 0 0 -10 -9 10 9 1900
c
j
-z
j
0 0 0 0 0 0 10 9 -M-10 -M-9

Penyelesaian semasa sekarang bolehlaksana, oleh kerana angkubah tiruan telah di
keluarkan daripada penyelesaian. Kita sekarang mempunyai keadaan dimana penyelesaian
basis bolehlaksana terkandung di dalam tablau simpleks juga penyelesaian bolehlaksana
bagi masalah sebenar. Seperti yang anda dapat lihat di dalam Rajah 3.4, penyelesaian
semasa berpadanan dengan titik ekstrim C di atas sudut kawasan bolehlaksana.






















200
400
600
Minimum x
1

Minimum x
2

x
2

Penyelesaian
Optimum
(540,252)
E
C
Nota: Dua penyelesaian yang pertama tidak boleh
laksana
Bilangan
Beg Deluxe








Rajah 3.4: Turutan Penyelesaian Simpleks bagi Masalah Par Inc yang diubahsuai


Dua lelaran yang berikutnya bagi kaedah simpleks adalah menggerakkan kita dari
titik C kepada D dan daripada D kepada E di atas geraf kita. Hasil tablau simpleks adalah
seperti berikut:

200
600 400 800
x
1

0
D
B
A
Bilangan Beg Standard
Hasil daripada lelaran 3

x
1
x
2
x
1
s
2
s
3
s
4
s
5
s
6
a
5
a
6

Basis cj 10 9 0 0 0 0 0 0 -M -M
x
1
0 10 0 1 0 -
7/10
0 0 16/30 0 -
16/30
243/30
s
2
0 0 0 0 1 -1/2 0 0 3/6 0 -3/6 588/3
s
5
0 0 0 0 0 1 0 1 2/3 1 -2/3 1624/3
s
6
0 0 0 0 0 -
1/10
1 0 11/60 0 -
11/60
1376/3
0
x
1
10 1 0 0 0 1 0 0 2/3 0 -2/3 1924/3
x
2
9 0 1 0 0 0 0 0 -1 0 1 100
zj 10 9 0 0 10 0 0 -7/3 0 7/3 7313
1/3
cj- zj 0 0 0 0 -10 0 0 7/3 -M -M-
7/3


Hasil daripada lelaran 4

x
1
x
2
x
1
s
2
s
3
s
4
s
5
s
6
a
5
a
6

Basis cj 10 9 0 0 0 0 0 0 -M -M
s
6
0 10 0 30/16 0 -
210/160
0 0 1 0 -1 152
s
2
0 0 0 -15/16 1 25/160 0 0 0 0 0 120
s
5
0 0 0 -20/16 0 300/160 0 1 0 -1 0 440
s
4
0 0 0 -11/32 0 45/160 1 0 0 0 0 18
x
1
10 1 0 -20/16 0 300/160 0 0 0 0 0 540
x
2
9 0 1 30/16 0 -
210/160
0 0 0 0 0 252
zj 10 9 70/16 0 111/16 0 0 0 0 0 7668
cj- zj 0 0 -70/16 0 -111/16 0 0 0 -M -M

Sebagaimana pendekatan secara geraf, kita lihat dengan tambahan dua kekangan
lebih besar daripada atau sama dengan tidak akan mengubah penyelesaian optimum kita.
Walau bagaimanapun, ia membawa kita kepada lebih lelaran untuk mencapai titik ini. Ini di
sebabkan ia membawa dua lelaran untuk memansuhkan angkubah tiruan dan oleh itu
membentuk penyelesaian basis bolehlaksana bagi masalah sebenar.
Oleh itu, dengan memperolehi tablau simpleks awal menggunakan angkubah tiruan,
kita tidak perlu khuatir samada penyelesaian basis pada lelaran tertentu bolehlaksana bagi
masalah atau tidak. Kita hanya perlu mengikuti semula peraturan untuk kaedah simpleks.
Jika kita telah mencapai ciri berhenti (dimana, semua c
j
- z
j
s 0) dan semua angkubah tiruan
telah dikeluarkan daripada penyelesaian, maka kita akan temui penyelesaian optimum
kepada pemprograman linear kita. Dengan kata lain, apabila kita telah mencapai ciri-ciri
pemberhentian dan satu atau lebih angkubah tiruan masih berada di dalam penyelesaian
pada nilai positif, maka terjadilah penyelesaian tidak bolehlaksana di dalam masalah
sebenar. Kes khas ini akan di bincangkan dengan lebih lanjut lagi di dalam Bahagian 3.9.


Kekangan Sama dengan

Apabila kekangan sama-dengan terdapat di dalam masalah pemprograman linear, kita hanya
perlu menambahkan angkubah tiruan untuk mendapatkan penyelesaian awal bolehlaksana
untuk tablau simpleks. Sebagai contoh, jika kita mempunyai kekangan sama dengan

6x
1
+ 4x
2
- 5x
3
= 30

kita hanya tambahkan angkubah tiruan, katakan a
1
, untuk membentuk penyelesaian awal
basis bolehlaksana di dalam tablau. Persamaan di atas akan menjadi

6x
1
+ 4x
2
- 5x
3
+ 1a
1
= 30

Setelah kita membina bentuk tablau dengan menambah angkubah-angkubah tiruan
kepada kekangan sama dengan, kaedah simplek boleh diteruskan sebagaimana yang telah
diterangkan terdahulu.

Ringkasan Langkah Untuk Mengwujudkan Bentuk Tablau

1. Jika formulasi asal pemprograman linear mengandungi satu atau lebih nilai bahagian
sebelah kanan yang negatif, dharabkan kekangan-kekangan berkenaan dengan -1
(Perhatian di sini dengan berbuat demikian akan megubah arah ketaksamaan bagi
kekangan s dan ≥). Ini akan memberikan pemprograman linear yang sama dengan
nilai bahagian sebelah kanan yang bukan negatif.
2. Untuk kekangan s, hanya tambahkan angkubah slak kepada setiap kekangan lebih
kecil daripada atau sama dengan untuk menjadikan persamaan. Koeffisien angkubah
slak ini di dalam fungsi objektif adalah sifar. Ini memberikan bentuk tablau bagi
kekangan dan angkubah slak menjadi satu daripada angkubah di dalam penyelesaian
awal basis bolehlaksana kita.
3. Bentuk kekangan persamaan, tambahkan angkubah tiruan kepada setiap kekangan
persamaan untuk memperolehi bentuk tablau. Koeffisien bagi angkubah tiruan di
dalam fungsi objektif akan diletakkan dengan nilai -M. Angkubah tiruan akan menjadi
sebahagian daripada penyelesaian awal basis bolehlaksana.
4. Untuk kekangan ≥, tolakkan angkubah lebih pada untuk mendapatkan persamaan.
Kemudian tambahkan angkubah tiruan untuk mengujudkan bentuk tablau bagi
kekangan. Angkubah tiruan ini akan menjadi sebahagian daripada penyelesaian awal
basis bolehlaksana. Koeffisien bagi angkubah tiruan ini di dalam fungsi objektif
adalah - M.

Untuk mendapatkan amalan penggunaan perinsip-perinsip di atas, mari kita tumpukan
kepada contoh numerik berikut ke dalam bentuk tablau dan menyediakan tablau simpleks
awal:

max 6x
1
+ 3x
2
+ 4x
3
+ 1x
4

t.k.
- 2x
1
- 1/2x
2
+ 1x
3
- 6x
4
= -60
1x
1
+ 1x
3
+ 2/3x
4
s 20
- 1x
2
- 5x
3
s -50
x
1
,x
2
,x
3
,x
4
≥ 0

Di dalam usaha untuk menghapuskan nilai bahagian sebelah kanan yang negatif di
dalam kekangan 1 dan 3, kita dharabkan ke dua-dua kekangan dengan -1 dan tukarkan arah
ketaksamaan untuk mendapatkan pengaturcaraan linear yang berikut:

max 6x
1
+ 3x
2
+ 4x
3
+ 1x
4

t.k.
- 2x
1
- 1/2x
2
+ 1x
3
- 6x
4
= -60
1x
1
+ 1x
3
+ 2/3x
4
s 20
1x
2
- 5x
3
≥ 50
x
1
,x
2
,x
3
,x
4
≥ 0

Dengan menggunakan angkubah-angkubah slak dan lebih pada yang bersesuaian,
kita bentukkan bentuk standard berikut mewakili

max 6x
1
+ 3x
2
+ 4x
3
+ 1x
4
+ 0s
2
+ 0s3 - Ma
1
- Ma
3

t.k.
-2x
1
- 1/2x
2
+ 1x
3
- 6x
4
+ 1 a
1
= -60
1x
1
+ 1x
3
+ 2/3x
4
+ 1s
2
= 20
-1x
1
- 5x
3
- 1s
3
+ 1a
3
= 50
x
1
,x
2
,x
3
,x
4
,s
2
,s
3
,a
1
,a
3
≥ 0

Untuk membentuk bentuk tablau, kita mesti tambahkan angkubah tiruan terhadap
persamaan (3.25) dan (3.27). Menambahkan angkubah tiruan a
1
kepada persamaan (3.25)
dan angkubah tiruan a
3
kepada persamaan (3.27) kita dapat

max 6x
1
+ 3x
2
+ 4x
3
+ 1x
4
+ 0s
2
+ 0s
3
- Ma
1
- Ma
2

t.k.
2x
1
+ 1/2x
2
- 1x
3
+ 6x
4
+ 1a
1
= 60
1x
1
+ 1x
3
+ 2/3x
4
+ 1s
2
= 20
1x
2
+ 5x
3
- 1s
3
+ 1a
3
= 50
x
1
,x
2
,x
3
,x
4
,s
2
,s
3
,a
1
,a
3
≥ 0

Tablau simpleks awal yang berpadanan kepada bentuk tablau adalah

x
1
x
2
x
3
x
4
s
2
s
3
a
1
a
3

Basis cj 6 3 4 1 0 0 -M -M
a
1
-M 2 1/2 -1 6 0 0 1 0 60
s
2
0 1 0 1 2/3 1 0 0 0 20
s
3
-M 0 1 5 0 0 -1 0 1 50
zj -2M 3/2M -4M -6M 0 M -M -M -
110M
cj - zj 2M+6 3/2M+
3
4M+4 6M+1 0 -M 0 0


3.8 Menyelesaikan Masalah Peminimumam
Menggunakan Kaedah Simpleks

Terdapat dua cara untuk kita menyelesaikan masalah peminimuam menggunakan kaedah
simpleks. Cara pertama memerlukan kita menukarkan peraturan yang digunakan untuk
memperkenalkan angkubah kepada penyelesaian. Ingat kembali di dalam kes
pemaksimuman, kita akan memilih angkubah c
j
- z
j
mempunyai nilai positif terbesar sebagai
angkubah untuk dimasukkan ke dalam basis. Ini disebabkan nilai c
j
- z
j
memberitahu kita
jumlah fungsi objektif akan meningkat jika satu unit angkubah di dalam lajur j dibawa masuk
ke dalam basis. Untuk menyelesaikan masalah peminimumam, kita hanya memusingkan
peraturan ini. Iaitu, kita boleh memilih angkubah di mana c
j
- z
j
yang paling negatif untuk
dimasukkan ke dalam penyelesaian. Ini bermakna peraturan berhenti kita juga akan
berubah. Di dalam kes peminimuman kita berhenti apabila nilai di dalam basis penilaian
bersih bukan negatif. Apabila keadaan ini terjadi, kita mempunyai penyelesaian optimum
bagi masalah peminimumam.
Mari kita lihat cara ke dua di mana kita boleh menyelesaikan masalah
peminimumam menggunakan kaedah simpleks. Pendekatan ke dua ini adalah sesatu yang
selalu akan kita gunakan di dalam mengingati apabila kita diperlukan untuk menyelesaikan
masalah pemaksimuman. Pendekatan ini adalah dikenali sebagai muslihat matematik yang
selalu digunakan di dalam masalah pengoptimuman. Ia menunjukkan jika sesaorang hendak
menyelesaikan masalah meminimumkan z tertakluk kepada set pembatas (linear atau lain-
lain)
3
, masalah yang sama ialah memaksimumkan -z tertakluk kepada pembatas yang sama.

3
z selalu digunakan untuk menunjukkan nilai fungsi objektif
masalah ini adalah sama di mana penyelesaian yang sama di dalam meminimumkan z juga
memasimumkan -z. apa yang berbeza adalah nilai penyelesaian satu adalah bernilai negatif
berbanding dengan penyelesaian yang satu lagi. Ini ialah

min z = max (-z)

Pertimbangkan data di dalam Jadual 3.3, yang menunjukkan nilai fungsi objektif z
dan - z bagi penyelesaian boleh laksana yang dipilih dari masalah Photo Chemical Inc.
diperkenalkan di dalam Bahagian 2.7. Seperti yang anda telah lihat, nilai bagi x
1
dan x
2

adalah meminimumkan z juga nilai-nilai z
1
dan x
2
yang meminimumkan -z. Selanjutnya, kita
lihat nilai bagi penyelesaian meminimumkan z = 1x
1
+ 1x
2
ialah z = 55, adalah negatif bagi
penyelesaian untuk memaksimumkan -z = - 1x
1
- 1x
2
. Seperti yang kita lihat, jika kita mahu
menyelesaikan min (1x
1
+ 1x
2
), kita perlu juga hanya menyelesaikan max (-1x
1
- 1x
2
) dan
mendarabkan penyelesaian max (-1x
1
- 1x
2
) dengan -1. Perhubungan ini adalah benar, dan
merupakan kaedah yang patut kita gunakan menyelesaikan masalah peminimumam.
Menggunakan pendekatan max (-z) untuk menyelesaikan masalah peminimumam
bermakna kita boleh mengikuti setepatnya tatacara penyelesaian simpleks yang telah
diterangkan untuk masalah pemaksimumam terdahulunya. Perubahan yang penting kita
hanyamendarabkan fungsi objektif dengan -1 sebelum mengwujudkan bentuk tablau. Mari
kita lihat bagaimana tatacara ini berfungsi untuk masalah Photo Chemical yang telah kita
selesaikan dengan kaedah geraf di dalam Bahagian 2.7.

JADUAL 3.2 Perbandingan Penyelesaian Boleh Laksana untuk menunjukkan bahawa
Penyelesaian z adalah penyelesaian -max(-z)
Penyelesaian Boleh
Laksana Terpilih
z = 1x
1
+ 1x
2
-z = -1x
1
- 1x
2

x
1
= 40 x
2
= 40 80 -80
x
1
= 40 x
2
= 30 70 -70
x
1
= 40 x
2
= 20 60 -60
x
1
= 30 x
2
= 40 70 -70
x
1
= 30 x
2
= 30 60 -60
x
1
= 30 x
2
= 25 55 [nilai min bagi z] -55 [nilai max bagi z]

Kita terdahulunya telah melihat masalah Photo Chemical boleh diformulasikan
sebagai:

min 1x
1
+ 1x
2

tk
1x
1
µ 30
1x
2
µ 20
1x
1
+ 2x
2
µ 8
x
1
,x
2
µ 0

Untuk menyelesaikan masalah menggunakan tatacara peminimuman simpleks,
pertamanya kita mendharabkan fungsi objektif dengan -1 untuk menukarkan masalah
peminimuman kepada masalah pemaksimuman yang sama seperti berikut:

max 1x
1
+ 1x
2

tk
1x
1
µ 30
1x
2
µ 20
1x
1
+ 2x
2
µ 8
x
1
,x
2
µ 0
Selepas menolakkan angkubah lebih pada, kita dapatkan bentuk piawai yang
mewakili masalah:
max -1x
1
- 1x
2
- 0s
1
- 0s
2
- 0s
3

tk
1x
1
- 1s
1
= 30
1x
2
- 1s
2
= 20
1x
1
+ 2x
2
- 1s
3
= 80
x
1
,x
2
,s
1
,s
2
,s
3
µ 0

Oleh kerana masalah pertamanya melibatkan pembatas µ, kita mesti tambahkan
angkubah tiruan untuk mendapatkan bentuk tablau. Selepas menambahkan angkubah tiruan
kepada setiap pembatas, kita akan mendapat bentuk tablau berikut bagi masalah Photo
Chemical:


max -1x
1
- 1x
2
- 0s
1
- 0s
2
- 0s
3
- Ma
1
- Ma
2
- Ma
3

tk
1x
1
- 1s
1
+ 1a
1
= 30
1x
2
- 1s
2
+ 1a
2
= 20
1x
1
+ 2x
2
- 1s
3
+ 1a
2
= 80
x
1
,x
2
,s
1
,s
2
,s
3
,a
1
,a
2
,a
3
µ 0


Tablau simpleks yang awal menjadi

x
1
x
2
s
1
s
2
s
3
a
1
a
2
a
3

Basis c
j
-1 -1 0 0 0 -M -M -M
a
1
-M 1 0 -1 0 0 1 0 0 30
a
2
-M 0 1 0 -1 0 0 1 0 20
a
3
-M 1 2 0 0 -1 0 0 1 80
z
j
-2M -3M M M M -M -M -M -130M
0 c
j
- z
j
-1+2M -1+3M -M -M -M 0 0 0

Tiga lelaran kaedah simpleks diperlukan untuk mencapai penyelesaian optimum bagi
masalah ini. Keputusan bagi setiap lelaran ditunjukkan dibawah:
Hasil dari lelaran 1:


x
1
x
2
s
1
s
2
s
3
a
1
a
2
a
3

Basis c
j
-1 -1 0 0 0 -M -M -M
a
1
-M 1 0 -1 0 0 1 0 0 30
x
2
-1 0 1 0 -1 0 0 1 0 20
a
3
-M 1 0 0 2 -1 0 -2 1 40
z
j
-2M -1 M -
2M+1
M -M -
1+2M
-M -70M-20
c
j
- z
j
-
1+2M
- 0 -M -
1+2M
-M 0 -
3M+1
0

Hasil dari lelaran 2:

x
1
x
2
s
1
s
2
s
3
a
1
a
2
a
3

Basis c
j
-1 -1 0 0 0 -M -M -M
x
1
-1 1 0 -1 0 0 1 0 0 30
x
2
-1 0 1 0 -1 0 0 1 0 20
a
3
-M 0 0 1 2 -1 -1 -2 1 40
z
j
-1 -1 -M+1 -
2M+1
M -1+M -
1+2M
-M -10M-
50
c
j
- z
j
0 - 0 -1+M -
1+2M
-M -
2M+1
-
3M+1
0


Hasil dari Lelaran 3:


x
1
x
2
s
1
s
2
s
3
a
1
a
2
a
3

Basis c
j
-1 -1 0 0 0 -M -M -M
x
1
-1 1 0 -1 0 0 1 0 0 30
x
2
-1 0 1 1/2 0 -
1/2
-1/2 0 1/2 20
s
2
0 0 0 1/2 1 -
1/2
-1/2 -1 1/2 5
z
j
-1 -1 1/2 0 1/2 1/2 0 -1/2 -55
c
j
- z
j
0 - 0 -1/2 0 -1/2 -M-
1/2
-M -
M+1/2


Ia menunjukkan lelaran ke tiga memberikan penyelesaian optimum (semua nilai c
j
- z
j

adalah s 0). Lihat kembali terhadap penyelesaian yang didapati menggunakan kaedah geraf,
kita lihat ia adalah penyelesaian yang sama.
Sekarang rujuk kepada Rajah 3.5, Lihat pada bahagian di mana kita bergerak
daripada origin kepada penyelesaian optimum. Kita bermula pada origin (x
1
= 0, x
2
= 0)
dengan tablau simpleks awal. Lelaran pertama membawa kita daripada origin kepada titik
(x
1
= 0, x
2
= 20). Perhatikan di sini, pada titik ini kita masih lagi berada di kawasan tidak boleh
laksana. Lelaran ke dua membawa kita kepada titik (x
1
= 30, x
2
= 20) di mana x
1
di masukkan
ke dalam penyelesaian. Walau bagaimanapun, kita masih belum berada di dalam
penyelesaian boleh laksana bagi masalah sebenar. Akhirnya, lelaran akhir membawa kita (x
1

= 30, x
2
= 25). Ini merupakan penyelesaian boleh laksana, sebagaimana yang mudah kita
kenali daripada geraf. Oleh itu, ia juga peneyelesaian optimum bagi masalah ini. Perhatian di
sini, penyelesaian optimum daripada tablau menunjukan kepada kita mengeluarkan 30 unit
keluaran 1 dan 25 unit keluaran 2 dan dengan s
2
= 5 kita masih mempunyai 5 unit lebihan
bagi keluaran 2 lebih daripada apa yang kita perlukan.
Sekarang kita boleh menyelesaikan masalah peminimumam sebagaimana masalah
pemaksimumam. Sebenarnya kita mempunyai kebolehan ini selama-lamanya. Kita hanya
tidak menggalakkan sehingga sekarang di mana mana-mana masalah peminimumam boleh
ditukarkan kepada masalah pemaksimuman yang sama dengan hanya mendharabkan fungsi
objektif dengan - 1. Di dalam bahagian yang berikutnya kita menumpukan kepada
perbincangan kepada beberapa kes khas yang penting yang mungkin kita hadapi apabila cuba
untuk menyelesaikan masalah pemprograman linear. Kita hanya mempertimbangkan kes bagi
masalah pemaksimuman, boleh menerima semua masalah peminimumam mungkin boleh
ditempatkan kepada bentuk ini.















40
60
80
x
2

Minimum x
1

Kawasan Boleh Laksana
Kuantiti
Keluaran
2 (gelen)
3







Rajah 3.5 Set Penyelesaian Boleh laksana bagi Masalah
Photo Chemical Inc.. Angka dalam Bulatan menunjukkan
Turutan Lelaran Simpleks


20
20 40 60 80
x
1

Minimum x
2

1x
1
+ 2x
2
= 80
Kekangan
bahan mentah
Kuantiti Keluaran 1 (gelen)
1
2
3.9 Kes-kes Khas

Di dalam bab yang lepas kita telah membincangkan bagaimana ketakbolehlaksanaan,
ketakterbatasan dan berbilang penyelesaian optimum boleh terjadi di dalam menyelesaikan
masalah pemprograman linear melalui tatacara penyelesaian secara geraf. Kes khas ini juga
boleh wujud apabila kita cuba untuk menyelesaikan pemprograman linear dengan
menggunakan kaedah simpleks. Satu khas yang lain, terosot (degenerasi), secara teorinya
boleh menyebabkan kesukaran apabila penyelesaian simpleks digunakan. Di dalam bahagian
ini kita tunjukkan bagaimana kes khas ini boleh terjadi apabila kaedah simpleks digunakan.

Ketakbolehlaksanaan

Ketakbolehlaksanaan terjadi apabila tiada penyelesaian kepada pemprograman
linear untuk memenuhi semua pembatas, termasuk keadaan bukan negatif (x
1
, x
2
,..... x
n
µ
0). Di dalam Bab 2, kita lihat secara geraf bermakna kawasan ketakbolehlaksanaan adalah
sifar. Sekarang mari kita lihat bagaimana ketakbolehlaksanaan dikenali di dalam tablau
simplek.
Kita telah nyatakan di dalam Bahagian 3.7, apabila membincangkan angkubah tiruan,
di mana ketakbolehlaksanaan boleh terjadi apabila ciri pemberhentian menunjukkan
penyelesaian optimum dan satu atau lebih angkubah tiruan masih bearada di dalam
penyelesaian pada nilai positif. Sebagai ilustrasi kepada fenomena ini, mari kita
pertimbangkan masalah Par, Inc. yang telah diubahsuaikan mengkehendaki mengeluarkan
sekurang-kurangnya 500 buah bag standard dan sekurang-kurangnya 360 buah beg deluxe.
(Kita lihat di dalam Bahagian 2.8 di mana terjadinya penyelesaian takbolehlaksana bagi
masalah ini). Formulasi bagi masalah Par, Inc. yang telah dibuat perubahan dinyatakan pada
muka surat 104.
Penyelesaian simpleks berikut adalah kenyataan masalah (perhatikan di sini dua
angkubah tiruan ditambah kepada dua baris terakhir dalam usaha mengujudkan penyelesaian
basis bolehlaksana di dalam tablau simpleks yang awal.

max 10x
1
+ 9x
2

tk
7/10x
1
+ 1x
2
| 630
1/2x
1
+ 5/6x
2
| 600
1x
1
+ 2/3x
2
| 708
1/10x
1
+ 1/4x
2
| 135
x
1
µ 500
x
2
µ 360
x
1
, x
2
µ 0

Tablau awal:

x
1
x
2
s
1
s
2
s
3
s
4
s
5
s
6
a
5
a
6

Basis c
j
10 9 0 0 0 0 0 0 -M -M
s
1
0 710 1 1 0 0 0 0 0 0 0 630
s
2
0 1/2 5/6 0 1 0 0 0 0 0 0 600
s
3
0 1 2/3 0 0 1 0 0 0 0 0 708
s
4
0 1/10 1/4 0 0 0 1 0 0 0 0 135
a
5
-M 1 0 0 0 0 0 -1 0 1 0 500
a
6
-M 0 1 0 0 0 0 0 -1 0 1 360
c
j
-M -M 0 0 0 0 M M -M -M -860M
c
j
- z
j
M+1
0
M+9 0 0 0 0 -M -M 0 0

Tablau ke dua

x
1
x
2
s
1
s
2
s
3
s
4
s
5
s
6
a
5
a
6

Basis c
j
10 9 0 0 0 0 0 0 -M -M
s
1
0 0 1 1 0 0 0 7/1
0
0 -7/10 0 280
s
2
0 0 5/6 0 1 0 0 1/2 0 -1/2 0 350
s
3
0 0 2/3 0 0 1 0 1 0 -1 0 208
s
4
0 0 1/4 0 0 0 1 1/1
0
0 -1/10 0 85
x
2
-10 1 0 0 0 0 0 -1 0 1 0 500
a
6
-M 0 1 0 0 0 0 0 -1 0 1 360
c
j
10 -M 0 0 0 0 -10 M 10 -M 5000-
360M
c
j
-z
j
0 M+9 0 0 0 0 10 -M -M-10 0


Tablau akhir

x
1
x
2
s
1
s
2
s
3
s
4
s
5
s
6
a
5
a
6

Basis c
j
10 9 0 0 0 0 0 0 -M -M
x
2
9 0 1 1 0 0 0 7/10 0 -7/10 0 280
s
2
0 0 0 -5/6 1 0 0 -1/12 0 -1/2 0 350
s
3
0 0 0 -2/3 0 1 0 16/30 0 -1 0 208
s
4
0 0 0 1/4 0 0 1 -9/120 0 -1/10 0 85
x
1
-10 1 0 0 0 0 0 -1 0 1 0 500
a
6
-M 0 0 -1 0 0 0 -7/10 -1 0 1 360
c
j
10 9 9+M 0 0 0 (-37+7M)/10 M (37-7M)/10 -M 7520-80M
c
j
-z
j
0 0 -9-M 0 0 0 (7-7M)/10 M (-37-8M)/10 -M

Seperti yang anda jangkakan, satu daripada angkubah tiruan, a
6
, masih berada di
dalam penyelesaian akhir. Perhatikan di sini c
j
- z
j
ó 0 bagi semua angkubah, oleh itu
menurut peraturan yang telah dinyatakan terdahulu ia menunjukkan penyelesaian
optimum. Tetapi penyelesaian ini tidakbolahlaksana bagi masalah yang sebenar, kerana x
1
=
50 dan x
2
= 280). (ingat kembali kita mesti membuat sekurang-kurangnya 360 begi deluxe)..
Kenyataannya, angkubah tiruan a
6
, masih berada di dalam penyelesaian pada nilai 80
menyatakan kepada kita penyelesaian akhir mengingkari pembatas ke enam (x
2
ò 360)
dengan 80 unit.
Sekiranya kita berminat untuk mengetahui manakah pembatas- pembatas yang
menghalang kita daripada mencapai penyelesaian boleklaksana, kita boleh membentuk
sekurang-kuranya sebahagian jawapan dari tablau simpleks akhir kita. Ditunjukkan disini s
2
=
116 2/3, s
3
= 21 1/3, dan s
4
= 15. Oleh kerana s
1
tidak ada di dalam penyelesaian, ia
mempunyai nilai sifar. Ini memberitahu kita penyelesaian semasa menggunakan
sepenuhnya masa pemotongan dan mewarna yang ada tetapi tidak menggunakan 116 2/3
jam masa menjahit, 21 1/3 jam masa kemasan dan 15 jam masa pemeriksaan dan
pembungkusan. Oleh itu apayang sebenarnya berlaku, operasi pemotongan dan mewarna
menyebabkan sekatan. Oleh kerana tidak mempunyai masa yang cukup bagi pemotongan
dan mewarna, kita tidak boleh memenuhi keperluan x
1
dan x
2
. Ini terjadi walaupun terdapat
masa yang lebih bagi jabatan yang lain.
Implikasi bagi pehak pengurusan adalah penambahan masa perludiberikan kepada
jabatan pemotongan dan mewarna untuk menghapuskan sekatan ini. Selepas
menghapuskan masalah di dalam jabatan pemotongan dan mewarna, kita masih lagi tidak
mendapat penyelesaian boleh laksana. (ini boleh difahami bagi kes Par, Inc. oleh kerana
tidak cukup masa untuk membuat bilangan beg yang diperlukan). Melainkan pehak
pengurusan memutuskan untuk melonggarkan keperluan 500 beg standard dan 360 beg
deluxe mesti dikeluarkan, ia boleh meneruskan peruntukan sumber kepada jabatan yang
mempunyai sekatan sehingga masalah pemprograman linear mempunyai penyelesaian
boleh laksana.
Ringkasnya, pemprograman linear tidak bolehlaksana jika tidak terdapat
penyelesaian untuk memenuhi semua pembatas dan keadaan bukan negatif serentak.
Secara geraf kita menyatakan keadaan ini sebagai kes di masa tidak ada kawasan boleh
laksana. Di dalam tatacara penyelesaian simpleks, kita ketahui jika satu atau lebih angkubah
tiruan masihberada di dalam penyelesaian bolehlaksana bagi masalah yang sebenarnya.
Sebagai penutup, kita tekankan di sini bagi masalah pemprograman linear yang
hanya mempunyai pembatas < dan bahagian sebelah kanan yang negatif, ia selalunya
penyelesaian bolehlaksana. Oleh kerana ia tidak perlu untuk untuk mengujudkan angkubah
tiruan untuk membentuk tablau simpleks awal, maka adalah tidak mungkin ujudnya
angkubah tiruan di dalam penyelesaian akhir.

Ketakterbatasan

Bagi masalah pemaksimuman kita katakan pemprograman linear adalah ketakterbatasan
jika nilai bagi penyelesaian terjadi terlalu besar tanpa mengingkari mana-mana pembatas.
Kita telah nyatakan, apabila membincangkan bentuk ketakterbatasan daripada penyelesaian
secara geraf di dalam Bahagian 2.8, ketakterbatasan masalah pemaksimuman keuntungan
tidak berlaku di dalam amalan. Oleh itu apabila kes ini berlaku, kita boleh lihat secara am
kepada kesilapan di dalam formulasi kita.
Kaedah simpleks secara automatik tidak meliputi ujudnya masalah ketakterbatasan
sebelum tablau akhir dicapai. Apa yang terjadi ialah peraturan untuk menentukan angkubah
yang akan dikeluarkan daripada penyelesaian tidak akan berfungsi. Ingat kembali kadar b
i
/a
ij

yang kita kira untuk setiap unsur dalam lajur j di mana bernilai positif. Kemudian kita pilih
kadar yang terkecil sekali untuk memberitahu kita angkubah mana yang patut dikeluarkan
daripada penyelesaian basis bolehlaksanaan semasa.
Pengkali di dalam lajur A yang tertentu menunjukkan berapa banyak setiap daripada
angkubah basis semasa akan berkurangan jika satu unit angkubah yang berpadanan dengan
lajur berkenaan dibawa masuk ke dalam penyelesaian. Oleh kerana, kemudiannya, untuk
pemproraman linear yang tertentu kita temui c
2
- z
2
= 5 s 0 dan semua nilai a
12
di dalam
lajur 2 s 0. Ini bermakna setiap unit x
2
dibawa masuk ke dalam penyelesaian akan
meningkatkan fungsi objektif sebanyak 5 unit. Selanjutnya, oleh kerana a
1
s 0 untuk semua
i, ini bermakna tiada angkubah basis semasa akan dibahagikan dengan sifar, walaupun
berapa banyak x
2
akan dikeluarkan. Oleh itu kita boleh keluarkan sejumlah infiniti x
2
ke
dalam penyelesaian dan masih bolehlaksana. Oleh kerana setiap unit x
2
meningkatkan
fungsi objektif sebanyak 5, anda boleh lihat kita akan mempunyai penyelesaian
ketakterbatasan di dalam kes ini. Oleh kerana cara kita menentukan keadaan
ketakterbatasan apabila semua a
ij
s 0 di dalam lajur j, dan kaedah simpleks menunjukkan
angkubah x
1
akan dimasukkan ke dalam penyelesaian.
Untuk menggambarkan konsep ini, mari kita perhatikan contoh masalah
ketakterbatasan yang dinyatakan di dalam bahagian 2.8.

max 2x
1
+ 1x
2

tk
1x
1
µ 2
1x
2
µ 5
x
1
,x
2
µ 0

Pertama kalinya kita tolakkan angkubah lebihan s
1
, daripada persamaan pembatas
pertama dan tambahkan angkubah slak, s
2
, kepada persamaan pembatas ke dua untuk
pengujudkan bentuk piawai. Kita kemudiannya menambahkan angkubah tiruan,a
1
, kepada
persamaan pembatas pertama untuk mengujudkan bentuk tablau dan bentuk tablau
simpleks awal di dalam bentuk angkubah basis a
1
dan s
2
. Selepas membawa x
1
kedalam
lelaran pertama, tablau simpleks kita akan menjadi sebagaimana berikut

x
1
x
2
s
1
a
1
a
2

Basis c
j
2 1 0 -M -M
x
1
2 1 0 -1 1 0 2
s
2
0 0 1 0 0 1 5
z
j
2 0 -2 2 0 4
c
j
- z
j
0 1 2 -M-2 0

Oleh kerana s
1
mempunyai nilai c
j
- z
j
positif yang terbesar, kita tahu kita boleh
meningkatkan nilai fungsi objektif dengan banyaknya dengan membawa s
1
ke dalam basis.
Tetapi a
13
= - 1 dan a
22
= 0; oleh itu kita kita tidak boleh membentuk kadar b
i
/a
i3
yang positif
untuk ai
3
, oleh kerana ia tiada. Ini merupakan petunjuk kepada kita bahawa penyelesaian
kepada pemprograman linear dalah ketakterbatasan. Kita terangkan keadaan ini di bawah.
Setiap unit s
1
kita bawa masuk ke dalam basis akan mengeluarkan sifar unit s
2

daripada penyelesaian dan "memberikan" kita x
1
unit lebihan, oleh kerana a
13
= -1. Ini
disebabkan s
1
adalah angkubah lebih pada dan boleh diterangkan sebagai jumlah keluaran 1
kita keluarkan lebih daripada jumlah minimum yang diperlukan, iaitu x
1
ò 2. Oleh kerana
jadual simpleks kita menunjukkan kita boleh mengeluarkan seberapa banyak x
1
yang kita
mahu tanpa melanggari mana-mana pembatas, ini memberitahu, kita boleh membuat
seberapa banyak yang kita mahu di atas jumlah minimum x
1
, yang dikehendaki. Oleh itu
tidak ada had atas bagi nilai fungsi objektif, selagi pengkali fungsi objektif yang berpadanan
dengan x
1
adalah positif.
Ringkasnya, masalah pemaksimuman pemprograman linear adalah ketakterbatasan
jika ianya mungkin untuk membuatkan nilai penyelesaian optimum seberapa besar yang
dikehendaki tanpa melanggar mana-mana pembatas. Kita boleh menerangkan keadaan ini
secara geraf sebagai kes di mana kawasan boleh laksana berkembang ke arah infiniti dalam
arah fungsi objektif yang bertambah. Apabila menggunakan tatacara penyelesaian simpleks,
ketakterbatasan pemprograman linear mudah dapat diterangkan. Jika pada sesuatu lelaran
kaedah simpleks memberitahu kita untuk memasukkan x
j
ke dalam penyelesaian dan semua
nilai aij adalah lebih kecil atau sama dengan sifar di dalam lajur j, kita menyatakan kita
mempunyai pemprograman linear dengan penyelesaian ketakterbatasan.
Kita tekankan di sini kes bagi penyelesaian ketakterbatasan tidak akan terjadi pada
keadaan sebenar di dalam masalah peminimumam kos atau pemaksimumam untung di
dalam keadaan sebenar kerana tidak mungkin untuk mengurangkan kos kepada tolak infiniti
atau meningkatkan keuntungan sehingga positif infiniti. Oleh itu, jika kita menghadapi
keadaan ini apabila menyelesaikan model pemprograman linear di dalam amalan kita, kita
perlu lihat kembali dan memeriksa dengan teliti formulasi masalah kita untuk menentukan
jika kita telah melakukan kesilapan, atau jika model LP kita tidak sesuai.

Penyelesaian Berbilang Optimum

Pemprograman linear dengan dua atau lebih penyelesaian optimum adalah dikatakan
mempunyai berbilang optimum. Di dalam Bahagian 2.6 kita telahlihat berbilang optimum
boleh terjadi apabila garisan fungsi objektif adalah selari dengan satu daripada pembatas
yang terikat. Apabila menggunakan kaedah penyelesaian simpleks, kita mungkin tidak dapat
dilihat bagi pemprograman linear mempunyai berbilang optimum sehingga tablau simpleks
akhir. Kemudian jika program mempunyai berbilang optimum, c
j
- z
j
adalah sama dengan
sifar bagi satu atau lebih angkubah yang bukan dalam penyelesaian.
Untuk menggambarkan terbentuknya berbilang optimum apabila kaedah simpleks
digunakan, perhatikan masalah Par, Inc. yang telah diubahsuaikan (fungsi objektif telah
diubah dari 10x
1
+ 9x
2
kepada 7x
1
+ 10 x
2
).

max 7x
1
+ 10x
2

tk
7/10x
1
+ 1x
2
| 630
1/2x
1
+ 5/6x
2
| 600
1x
1
+ 2/3x
2
| 708
1/10x
1
+ 1/4x
2
| 135
x
1
,x
2
µ 0

Penyelesaian secara geraf bagi masalah ini boleh dilihat di dalam Rajah 3.6.


x
2



























200
200
400
600
600 400 800
Minimum x
1

7x1 + 10 x
2
= 6300
x
1

3 (540,252)
0
5
D 2 1
Nota: Dua penyelesaian yang pertama tidak boleh
laksana
Bilangan Beg Standard
Bilangan
Beg Deluxe
4 (300,40)
7x1 + 10 x
2
= 4900

Rajah 3.6 Masalah Par Inc., dengan Fungsi Objektif Diubahsuai
(Berbilang Penyelesaian Optimum)




Tablau simpleks akhir bagi masalah ini adalah ditunjukkan di bawah:

x
1
x
2
s
1
s
2
s
3
s
4

Basis c
j
7 10 0 0 0 0
x
1
7 1 0 10/3 0 0 -40/3 300
s
2
0 0 0 -10/18 1 0 -20/18 100
s
3
0 0 0 -22/9 0 1 64/9 128
x
2
9 0 1 -4/3 0 0 28/3 420
z
j
7 10 10 0 0 0 6300
c
j
- z
j
0 0 -10 0 0 0

Semua nilai di dalam basis penilaian bersih adalah kurang daripada atau sama
dengan sifar, menunjukkan kepada telah mencapai penyelesaian optimum. Penyelesaian ini
menghasilkan x
1
= 300, x
2
= 420, s
2
= 100 dan s
3
= 128. Perhatikan, walau bagaimana pun
terdapat kemasukkan di dalam baris penilaian bersih bagi angkubah bukan basis s
4
yang
sama dengan sifar. Ini menunjukkan pemprograman linear mempunyai berbilang
penyelesaian. Oleh itu, selagi nilai c
j
- z
j
yang berpadanan dengan s
4
sama dengan sifar, kita
boleh memasukkan s
4
ke dalam penyelesaian tanpa mengubah penyelesaian optimum.
Tablau, selepas memasukkan s
4
adalah

x
1
x
2
s
1
s
2
s
3
s
4

Basis c
j
7 10 0 0 0 0
x
1
7 1 0 10/3 0 120/64 0 540
s
2
0 0 0 -10/18 1 10/64 0 120
s
4
0 0 0 -22/9 0 9/64 0 18
x
2
9 0 1 -4/3 0 -84/64 1 252
z j 7 10 10 0 0 0 6300
c
j
- z
j
0 0 -10 0 0 0



Selepas memasukkan s
4
kita mempunyai penyelesaian yang berbeza: x
1
= 540, x
2
=
252, s
2
= 120, dan s
4
= 18. Walau bagaimanapun, penyelesaian ini masih optimum (c
j
- z
j
s 0
untuk semua j). Cara lain untuk mengesahkan penyelesaian ini optimum adalah
memerhatikan fungsi objektif masih lagi pada 6300.
Ringkasnya, kita boleh menyatakan pemprograman linear mempunyai berbilang
optimum dengan melihat secara geraf di mana fungsi objektif adalah selari dengan
pembatas yang terikat. Apabila menggunakan kaedah simpleks, kita boleh menyatakan
berbilang optimum terjadi jika c
j
- z
j
sama dengan sifar bagi satu daripada angkubah yang
bukan di dalam penyelesaian.

Degenarasi

Pemprograman linear di katakan degenarasi jika satu atau lebih angkubah basis mempunyai
nilai sifar. Degenarasi tidak mendatangkan sebarang kesulitan untuk tatacara secara geraf;
walau bagaimanapun, degenerasi boleh mendatangkan kesulitan apabila kaedah simpleks
digunakan untuk menyelesaikan masalah pemprograman linear.
Untuk melihat bagaimana degenerasi pemprograman linear boleh terjadi, perhatikan
masalah Par, Inc. yang telah diubahsuaikan di bawah:-

max 10x
1
+ 9x
2

tk
7/10x
1
+ 1x
2
| 630
1/2x
1
+ 5/6x
2
| 480 masa menjahit dikurangkan kepada 480
1x
1
+ 2/3x
2
| 708
1/10x
1
+ 1/4x
2
| 135
x
1
,x
2
µ 0

Mari kita selesaikan masalah Par, Inc yang baru dengan menggunakan kaedah
simpleks. Tablau simpleks pertama adalah seperti berikut:



x
1
x
2
s
1
s
2
s
3
s
4

Basis c
j
10 9 0 0 0 0
s
1
0 0 16/30 1 0 -7/10 0 143.4
s
2
0 0 1/2 0 1 -1/2 0 126
x
1
10 1 2/3 0 0 1 0 708
s
4
0 0 22/120 0 0 -1/10 1 64.2
z
j
10 20/3 0 0 10 0 7080
c
j
- z
j
0 7/3 0 0 -10 0

Kemasukkan di dalam baris penilaian bersih menunjukkan kita perlu memasukkan
angkubah x
2
ke dalam penyelesaian. Dengan mengira kadar berkaitan untuk menentukan
unsur pivot, kita dapati;

252
16/30
134.4

a
b
12
1
= =
252
1/2
126

a
b
22
2
= =
1062
2/3
708

a
b
32
3
= =
350.2
22/120
64.2

a
b
42
4
= =

Kita lihat baris satu dan dua adalah terikat. Ini menunjukkan kepada kita akan
mempunyai degenerasi pemprograman linear pada lelaran berikutnya. Untuk melihat
mengapa, mari kita pilih, secara rambang baris satu dan buatkan operasi baris. Tablau
simpleks selepas lelaran adalah seperti berikut:

x
1
x
2
s
1
s
2
s
3
s
4

Basis c
j
10 9 0 0 0 0
x
2
9 0 1 30/16 0 -
210/16
0
0 252
s
2
0 0 0 -15/16 1 25/160 0 0
x
1
10 1 0 -20/16 0 300/16
0
0 540
s
4
0 0 0 -11/32 0 45/320 1 18
z
j
10 9 70/16 0 111/16 0 7668
c
j
- z
j
0 0 -70/16 0 -111/16 0


Adakah anda melihat sebarang keganjilan bagi tablau di atas? Apabila kita membuat
lelaran dan mengeluarkan 252 unit x
2
ke dalam basis, kita tidak hanya mengeluarkan s
1

daripada penyelesaian, menetapkan s
1
sama dengan sifar, tetapi membuatkan s
2
juga
menjadi sifar. Oleh kerana kita mempunyai penyelesaian di mana satu daripada angkubah
basis sama dengan sifar. Apabila kita mempunyai kadar bi/aij yang terikat, maka selalunya
angkubah basis akan menjadi sifar di dalam tablau berikutnya. Oleh kerana kita berada di
dalam penyelesaian optimum di dalam kes ini, kita tidak menghirukan s
2
di dalam
penyelesaian bernilai sifar. Walau bagaimanapun, jika keadaan ini terjadi pada lelaran
sebelum mencapai penyelesaian optimum, secara teorinya mungkin bagi algorithma
simpleks dalam pusingan; oleh itu, algorithma mungkin berbilang antara set yang sama bagi
titik tidak optimum pada setiap lelaran dan tidak akan mencapai penyelesaian optimum.
Pusingan ini tidak memberikan kesukaran yang nyata di dalam amalan. Oleh itu kita tidak
mencadangan sebarang langkah khas kepada algorithnma simpleks untuk menghapuskan
kemungkinan berlakunya degenerasi. Jika kemudiannya terjadi lelaran simpleks algorithma
terikat pada kadar minimum bi/ai
j
, kita cadangkan supaya memilih baris yang teratas sekali
sebagai baris pivot.




















Program linear (linear programming) adalah salah satu teknik dalam riset operasional
yang digunakan paling luas.LP merupakan teknik dalam mengalokasikan sumberdaya langka
yang dimiliki perusahaan pada berbagai pilihan investasi untuk mencapai tujuan tunggal
seperti maksimalisasi keuntungan atau minimalisasi biaya (Furqon, 2010).

Linear programming (LP) atau pemrograman linear (PL) adalah suatu pendekatan
matematis untuk menyelesaikan suatu permasalahan agar didapatkan hasil yang
optimal.Permasalahan yang sering diselesaikan dengan Linear Programming adalah dalam
pengalokasian factor-faktor produksi yang terbatas jumlahnya terhadap berbagai
kemungkinan produksi sehingga didapatkan manfaat yang optimal (maksimal dan
minimal).Sasaran maksimal, misalnya secara efisien sehingga manfaat yang ingin dicapai
(jumlah produksi/nilai penjualan/laba, dan lain-lain) menjadi maksimal. Sasaran minimal
misalnya, bagaimana mencari kombinasi produksi agar penggunaan faktor-faktor produksi
minimal tetapi manfaat yang dicapai (dari kombinasi produksi) tidak lebih rendah dari angka
yang diinginkan ( Tarigan, 2005).

Program linear yang diterjemahkan dari Linear Programming (LP) adalah suatu cara untuk
menyelesaikan persoalan pengalokasian sumber-sumber yang terbatas diantara diantara
beberapa aktivitas yang bersaing, dengan cara yang terbaik yang mungkin dilakukan.
Persoalan pengalokasian ini akan muncul manakala seseorang harus memilih tingkat
aktivitas-aktivitas tertentu yang bersaing dalam hal penggunaan sumber daya langka yang
dibutuhkan untuk melaksanakan aktivitas-aktivitas tersebut.Program linear ini menggunakan
model matematis untuk menjelaskan persoalan yang dihadapinya.Sifat “linear” disini
memberi arti bahwa seluruh fungsi matematis dalam model ini merupakan fungsi yang linear,
sedangkan kata “programa” merupakan sinonim untuk perencanaan.Dengan demikian,
programa linear (LP) adalah perencanaan aktivitas-aktivitas untuk memperoleh suatu hasil
yang optimum, yaitu suatu hasil yang mencapai tujuan terbaik diantara seluruh alternatif yang
fisibel (Dimyati dan Akhmad, 2006).

Program linear adalah sebuah alat deterministik yang berarti bahwa semua parameter model
diasumsikan diketahui dengan pasti.Tetapi, dalam kehidupan nyata, jarang seseorang
menghadapi masalah dimana terdapat kepastian yang sesungguhnya.Teknik LP
mengkompensasi “kekurangan ini” dengan memberikan analisis pasca-optimum dan analisis
parametris yang sistematis untuk memungkinkan pengambilan keputusan yang bersangkutan
(Taha, 1996).

Metode simpleks mengidentifikasi titik ekstrim atau titik sudut secara lajabar. Metode
simplek mengharuskan agar setiap batasan ditempatkan dalam bentuk standar yang khusus
dimana semua batasan diekspresikan sebagai persamaan dengan menambahkan variabel slack
dan surplus sebagaimana diperlukan. Jenis konversi ini umumnya menghasilkan sekelompok
persamaan dimana jumlah variabel adalah lebih besar dari pada jumlah persamaan, yang
umumnya berarti bahwa persamaan tersebut menghasilkan jumlah persamaan, yang
umumnya berarti bahwa persamaan tersebut menghasilkan sejumlah titik pemecahan yang
tidak terbatas.Titik ekstrim dari ruang ini dapat diidentifikasi secara aljabar sebagai pemecah
dasar (basic solution) dari sistem persamaan simultan tersebut. Dasar teori aljabar linear,
sebuah pemecahan dasar diperoleh dengan menetapkan beberapa variabel yang sebanyak
selisih antara jumlah total variabel dengan jumlah total persamaan memiliki nilai sama
dengan nol dan lalu memecahkan variabel sisa, dengan ketentuan bahwa kondisi tersebut
menghasilkan satu pemecahan yang unik (Taha, 1996).

Sign up to vote on this title
UsefulNot useful

Master Your Semester with Scribd & The New York Times

Special offer: Get 4 months of Scribd and The New York Times for just $1.87 per week!

Master Your Semester with a Special Offer from Scribd & The New York Times