Professional Documents
Culture Documents
Sistem nyata
S(referensi)
Asumsi Model
1
Model matematik dari 0. R. :
variabel : sesuatu yang ingin dicari untuk dicapainya tujuan dalam keterbatasan
(Xj) sumber daya
Fungsi : - linier
- non linier : kuadratik; eksponensial; dls.
- alternatif tindakan
- kendala
2) Membentuk model
4) Validasi model
5) Implementasi
2
MODEL PROGRAMA LINIER
Programa linier adalah teknik pemodelan secara matematik yang dirancang untuk
mengoptimalkan pemakaian sumber yang terbatas. Semua fungsi pada model
merupakan fungsi yang linier.
Contoh :
PT X memproduksi cat luar dan cat dalam yang antara lain memerlukan dua macam
bahan baku Ml dan M2 dengan data sebagai berikut :
Hasil survei pasar menunjukkan bahwa kebutuhan cat dalam tidak melebihi kebutuhan
cat luar sebanyak 1 ton/hari, sedangkan kebutuhan cat dalam terbatas sampai 2
ton/hari.PT X ingin menentukan jumlah produksi yang optimum dari kedua jenis cat
tersebut yang memberikan keuntungan total per hari terbesar.
Langkah pertama adalah penentuan variabel keputusan, kemudian disusun kendala dan
tujuan dari persoalan.
Untuk persoalan di atas ingin ditentukan jumlah produksi dari cat luar dan cat dalam yang
memberikan keuntungan total terbesar.
Variabel :
X1 = jumlah produksi cat luar per hari.
X2 = jumlah produksi cat dalam per hari
3
Fungsi tujuan :
Tujuan kita adalah memaksimalkan keuntungan total dari penjualan kedua jenis cat.
f. t. maks. Z = 5X1 + 4X2
Kendala :
- Tersedianya bahan baku :
pemakaian bahan baku jumlah bahan baku maks.
<
oleh kedua jenis cat yang tersedia
- Pembatasan permintaan :
kelebihan jumlah cat dalam terhadap cat luar < 1 ton/hari
X2 - X1 < 1
permintaan terhadap cat dalam < 2 ton/hari
X2 < 2
- di samping kendala di atas tentu saja jumlah produksi kedua jenis cat tersebut
tidak boleh negatif
X1 > 0
X2 > 0
4
Tujuan kita adalah mencari penyelesaian yang layak dan optimal. Kita ingin
mencari kombinasi nilai X1 dan X2 sedemikian rupa yang memenuhi kendala/batasan
yang ada dan memberikan nilai Z yang terbesar.
Model P.L. di atas merupakan fungsi yang linier, di mana memenuhi hal berikut:
1. Proporsional. Kontribusi setiap variabel keputusan terhadap fungsi tujuan dan
kendala adalah sebanding dengan nilai variabel keputusan. Jika PT X memberikan
potongan harga jika pembelian barang melebihi suatu batas tertentu maka
pendapatan/ keuntungan kita tidak linier, sehingga model harus dijadikan linier
2. Dapat ditambah. Kontribusi dari semua variabel pada fungsi tujuan dan kendala
adalah jumlah langsung dari kontribusi dari setiap variabel. Sebagai contoh dua
barang yang bersaing, di mana kenaikan tingkat penjualan dari satu produk
memberikan pengaruh merugikan terhadap penjualan barang yang lain, tidak
memuaskan sifat additivity
5
PENYELESAIAN PROGRAMA LINIER SECARA GRAFIS:
(5)
1) 6X1 + 4X2 < 24
(1) 2) X1 + 2X2 < 6
X2 3) -Xl + X2 < l
(3) 4) X2 < 2
5) X1 >0
6) X2 > 0
(4)
(2)
(6)
X1
6
fungsi tujuan adalah Z = 5X l + 4 X2
Terlihat bahwa jika kita geser garis Z tersebut ke arah kanan, nilai Z bertambah besar.
Persoalan kita adalah mencari sebuah titik pada bidang ABCDEFA yang memberikan
nilai Z terbesar. Dengan perkataan lain kita mencari kombinasi Xl dan X2 yang
memberikan nilai Z terbesar yang masih berada pada bidang penyelesaian yang layak.
Secara grafis terlihat paling jauh garis Z dapat digeser sampai melalui titik C. Dengan
demikian diperoleh titik optimum adalah titik C.
Koordinat titik C diperoleh dengan memotongkan garis (l) dan garis (2).
Diperoleh : X1 = 3
X2 = 1.5
Z = 21
Jika kita masukkan koordinat titik sudut bidang penyelesaian yang layak tersebut secara
berturut-turut ke dalam persamaan garis Z akan diperoleh nilai Z yang semakin besar
kemudian menurun kembali setelah titik optimal tercapai. Hal tersebut akan kita gunakan
sebagai algoritma penyelesaian secara aljabar/simpleks pada pembahasan bab
berikutnya.
7
Penyelesaian persoalan Model Programa Linier meminimumkan
Contoh :
Peternakan X memerlukan paling sedikit 800 lb. makanan untuk ayam yang diternakkan
setiap hari. Makanan tersebut terdiri dari campuran jagung dan kacang kedelai, dengan
komposisi sbb.
Komposisi makanan tersebut paling sedikit mengandung 30 % protein dan paling banyak
mengandung 5 % serat. Perusahaan tersebut ingin meminimalkan biaya total.
Penyelesaian :
Variabel :
X l = jumlah jagung dalam makanan (lb.)
X2 = jumlah kacang kedelai dalam makanan (lb.)
Fungsi tujuan :
Meminimalkan biaya total
Min. Z = 0,30X l + 0,90X2
Kendala :
- Jumlah makanan : X1 + X2 > 800
- Jumlah protein : 0,09X1+0,60X2 > 0,3 (X1+X2)
- Jumlahserat : 0,02X1+0,06X2 < 0,05(X1+X2)
- Jumlah bahan baku : Xj > 0 j = 1; 2
8
Seperti halnya pada penyelesaian pada persoalan memaksimalkan dibuat bidang
penyelesaian yang layak, dengan menentukan daerah-2 penyelesaian yang memenuhi
syarat. Diperoleh bidang penyelesaian yang diarsir.
X2
optimum
(470.6,329.4) Z=437.64
X1
Jika pada persoalan memaksimalkan kita geser garis z ke arah kanan untuk memperoleh
sebuah titik yang memberikan nilai z yang terbesar, maka pada persoalan meminimalkan
kita geser garis z tersebut sejauh mungkin kea rah kiri sampai diperoleh sebuah titik yang
memberikan nilai z yang terkecil. Pada persoalan ini diperoleh titik optimal di titik P. Titik P
adalah titik perpotongan garis 1 dan garis 2 dengan koordinat (470,6; 329,4) dan
diperoleh z = 437,64
9
Contoh-contoh aplikasi Programa Linier
Contoh 1
Sebuah perusahaan memproduksi tiga macam barang. Pembuatan barang-
barang tersebut dilakukan melalui tiga proses produksi seperti pada gambar di bawah ini.
Waktu pengerjaan setiap barang dapat dilihat pada setiap kotak.
Oleh karena mesin tersebut juga dipakai untuk pembuatan barang lain, maka
waktu produksi yang tersedia dari setiap proses terbatas sebesar 430, 460, dan 420
menit untuk setiap prosesnya. Studi pasar memperlihatkan keuntungan setiap macam
barang berturut-turut sebesar $ 3, $ 2, dan $ 5 per unit. Tentukan tingkat produksi yang
optimal.
Penyelesesaian :
Model Programa Linier :
Variabel
Xj = jumlah produksi barang j; j = 1, 2,3
Fungsi tujuan
Maks. Z = 3X1 + 2X2 + 5X3
Kendala :
- Proses produksi 1 : 1X1 + 2X2 + 1X3 < 430
- Proses produksi 2 : 3X1 + 0X2 + 2X3 < 460
- Proses produksi 3 : 1X1 + 4X2 + 0X3 < 420
X1; X2; X3 > 0
10
Contoh 2 persoalan bis
Perusahaan bis ingin meminimalkan jumlah bis yang beroperasi. Berdasarkan studi
jumlah bis yang diperlukan beroperasi pada setiap waktu adalah seperti pada gambar
berikut. Setiap bis dengan beberapa pertimbangan beroperasi 8 jam per hari. Pimpinan
menetapkan akan memberangkatkan bis setiap 4 jam. Tentukan berapa banyak bis pada
setiap jam pemberangkatan.
12
10
8 7
4 4
Penyelesaian :
Variabel
Xj = jumlah bis yang diberangkatkan pada setiap
jam pemberangkatan j = 1, 2,.6
Fungsi tujuan
Min. Z X1 + X2 + X3 + X4 X5 + X6
Kendala
- Jam operasi 0.00 - 4.00 : X1 + X6 > 4
- Jam operasi 4.00 - 8.00 : X1 + X2 >8
- Jam operasi 8.-00 - 12.00 : X2 + X3 > 10
- Jam operasi 12.00 - 16.00 : X3 + X4 >7
- Jam operasi 16.00 - 20.00 : X4 + X5 > 12
- Jam operasi 20.00 - 24.00 : X5 + X6 > 4
Xj > 0 j=1; 2; .6
11
Contoh 3 : Persoalan pabrik kertas
Sebuah pabrik kertas memproduksi kertas dengan lebar 20'. Pesanan pelanggan
di luar ukuran standar, permintaannya dipenuhi dengan memotong lebar kertas ukuran
standar. Perusahaan memperoleh pesanan dengan jumlah rol seperti di bawah ini :
Tujuan perusahaan adalah memotong kertas dengan jumlah kertas yang terbuang
sesedikit mungkin.
Penyelesaian :
Untuk memperoleh lebar yang diminta, dapat dilakukan berbagai kombinasi pemotongan,
di mana diperoleh lebar kertas terbuang berbeda di samping itu terdapat kelebihan rol
yang tidak tersuplai/terpakai. Jadi persoalan kita adalah meminimalkan luas kertas yang
tidak terpakai, baik yang lebarnya tidak memenuhi syarat maupun jumlah rol yang terlalu
banyak.
Penyelesaian :
Setelah dianalisa terdapat enam cara pemotongan kertas seperti di bawah ini :
Pemotongan jenis : Jumlah rol
Ukuran rol 1 2 3 4 5 6 yang diminta
5 0 2 2 4 1 0 150
7 1 1 0 0 2 0 200
9 1 0 1 0 0 2 300
Lebar sisa 4 3 1 0 1 2
Variabel :
Xj adalah jumlah rol yang dipotong menurut tipe pemotongan j.
Xj > 0 j = 1;2;..6
12
Hasil/jumlah rol yang diperoleh dari setiap jenis pemotongan sbb. :
model menjadi :
fungsi tujuan :
min. Z = 4X1+3X2 + X3 + X5 + 2X6 + 5Y1 + 7Y2 + 9Y3
dengan kendala :
0X1 + 2X2 + 2X3 + 4X4 + IX5 + 0X6 Y1 = 150
1X1 + 1X2 + 0X3 + 0X4 + 2X5 + 0X6 Y2 = 200
lXl + 0X2 + lX3 + 0X4 + 0X5 + 2X6 Y3 = 300
Xj > 0 j = 1; 2; 6
Yi > 0 i = 1; 2; 3
13
Contoh 4 : Persoalan penyeimbangan lini produksi
Sebuah perusahaan membuat satu macam barang yang terdiri dari tiga buah komponen,
yaitu 2 buah komponen 1, 1 buah komponen 2, dan 3 buah komponen 3. Semua
komponen tersebut dapat dibuat pada dua departemen. Waktu pembuatan setiap
komponen pada kedua departemen berbeda. Pada tabel berikut diberikan kecepatan
produksi dan jumlah produksi yang dialokasikan per minggu pada kedua departemen tsb.
Buatlah model Programa Linier yang memaksimalkan jumlah produksi yang dihasilkan.
Penyelesaian :
Variabel : Xij = jumlah jam produksi yang disediakan untuk membuat
komponen i pada departemen j i = 1,2,3 j = 1,2
Tujuan :
memaksimalkan barang sebanyak mungkin dari semua komponen yang ada.
Satu barang jadi terdiri dari 2 buah komponen 1, 1 buah komponen 2 dan 3 buah
komponen 3, sehingga jumlah barang jadi yang diperoleh sebanyak jumlah
barang jadi yang dapat dibuat dari komponen yang jumlahnya terkecil.
14
Maks. Z = Y
Jumlah barang jadi yang dapat dibuat > jumlah barang jadi.
dari setiap jenis komponen yang dibuat
1/2(8X11 + 6X12) > Y
(5X21 + 12X22) > Y
1/3(10X31 + 4X32) > Y
Kendala :
X 11 + X21 + X31 < 200 jam yang tersedia pada dept. 1
X12 + X22 + X32 < 160 jam yang tersedia pada dept. 2
Maks. Z = Y
d.k. X11 + X21 + X31 < 200
X21 + X22 + X32 < 160
8X11 + 6X12 2Y > 0
5X21 + 12X22 - Y >0
10X31 + 4X32 3Y > 0
Xij > 0 i=1, 2, 3
j = 1, 2
Variabel : Xij = jumlah komponen i yang dibuat pada departemen j i = 1,2,3 j = 1,2
15
Tujuan :
memaksimalkan barang sebanyak mungkin dari semua komponen yang ada.
Satu barang jadi terdiri dari 2 buah komponen 1, 1 buah komponen 2 dan 3 buah
komponen 3, sehingga jumlah barang jadi yang diperoleh sebanyak jumlah
barang jadi yang dapat dibuat dari komponen yang jumlahnya terkecil.
Jumlah barang jadi yang dapat dibuat > jumlah barang jadi.
dari setiap jenis komponen yang dibuat
Kendala :
1/8X 11 + 1/5X21 + 1/10X31 < 200 jam yang tersedia pada dept. 1
1/6X12 + 1/12X22 + 1/4X32 < 160 jam yang tersedia pada dept. 2
Maks. Z = Y
d.k. 1/8X11 + 1/5X21 + 1/10X31 < 200
1/6X21 + 1/12X22 + 1/4X32 < 160
X11 + X12 2Y > 0
X21 + X22 - Y >0
X31 + X32 3Y > 0
Xij; Y > 0 i = 1, 2, 3
j = 1, 2
16
Contoh 5 : Programa Tujuan
Pada umumnya ruas kiri dan ruas kanan kendala mempunyai hubungan <; >; =, namun
dapat menguntungkan dengan melanggar kendala yang ada, namun demikian dengan
dilanggarnya kendala kita dikenakan penalti. Sebagai contoh kita dapat membeli bahan
baku lebih besar dari dana yang tersedia, namun untuk itu kita dikenakan penalti yaitu
harus membayar bunga bank atas pinjaman dan yang kita lakukan yang pada akhirnya
mengurangi keuntungan yang akan diperoleh.
Persoalan
Sebuah perusahaan memproduksi dua macam barang berturut-turut pada dua buah
mesin yang berbeda. Waktu yang tersedia pada kedua mesin tersebut masing-masing 8
jam. Namun batas waktu tersebut dapat dilampaui dengan melakukan kerja lembur.
Biaya lembur adalah $ 5/jam. Jam lembur yang diijinkan adalah 4 jam per hari.
Kecepatan produksi kedua mesin dan keuntungan per unit dari kedua barang tsb. adalah
seperti pada tabel berikut.
Model ini sama dengan contoh 1 kecuali di sini terdapat lembur, yang mengakibatkan
adanya biaya tambahan / berkurangnya keuntungan.
17
Jam lembur maks.(0,Yi)
Biaya lembur = jam lembur x biaya lembur/jam
= 5 x maks.(0,Yi)
Model:
f.t. maks. Z = 6X1 + 4X2 5 {maks.(0,Yl) + maks(0,Y2))
Model menjadi :
18
Dengan adanya lembur kendala menjadi :
1/5X1 + 1/6X2 + Y1- - Y1+ =8
- +
1/4X1 + 1/7X2 + Y2 - Y2 = 8
di mana Y1- dan Y2- adalah variabel yang merupakan kelebihan jam produksi,
dan Y1+ dan Y2+ adalah variabel yang merupakan jam lembur.
Y1+; Y2+; Y1- ; Y2- > 0
Model:
f.t. maks. Z = 6X1 + 4X2 5 x (Y1+ + Y2+)
Pinjaman yang tak tertagih tidak menghasilkan bunga. Kompetisi dengan lembaga
keuangan lain pada wilayah kerja bank tersebut menyebabkan bank X mengalokasikan
paling sedikit 40 % dananya untuk pinjaman pertanian dan perdagangan. Untuk
membantu industri perumahan, pinjaman untuk perumahan paling sedikit 50 % dari total
pinjaman pribadi, kendaraan dan perumahan. Bank juga menetapkan rata-rata hutang tak
tertagih tidak lebih dari 0,04. Buatlah model Programa Linier dari persoalan di atas.
19
Penyelesaian :
Variabel : Xj = alokasi pinjaman untuk jenis pinjaman j j = 1, 2, ., 5
Fungsi tujuan :
Memaksimalkan pendapatan total dari bunga bank yang diperoleh dikurang hutang yang
tak tertagih.
f.t. maks. Z = 0.14(0.9X1)+ 0.13 (0.93X2) + 0.12(0.97X3) + 0.125(0.95X4)
+ 0.1(0.98X5) - 0.1X1 - 0.07X2 - 0.03X3 - 0.05X4 - 0.02X5
Kendala
Model menjadi :
Fungsi Tujuan :
Z = 0.026X1 + 0.0509X2 + 0.0864X3 + 0.06875X4 + 0.078X5
Dengan Kendala :
X1 + X2 + X3 + X4 + X5 < 12
X4 + X5 > 4.8
X1 + X2 X3 <0
0.9X1 + 0.93X2 + 0.97X3 + 0.95X4 + 0.98X5 > 0
Xj > 0 j = 1, 2 , , 5
20
Contoh 7 : Perencanaan Produksi dan pengendalian Persediaan
(Model Produksi Periode Tunggal)
Dalam mempersiapkan produksi untuk periode yang akan datang, sebuah perusahaan
yang memproduksi pakaian jenis 1, 2, 3, dan 4. semua produk diproduksi berturut-turut
pada departemen 1, 2, 3, dan 4. Perusahaan telah menerima pesanan untuk keempat
macam produk. Data waktu produksi, kapasitas produksi, jumlah pesanan, keuntungan
per unit serta prnalti per unit dapat dilihat pada tabel. Buatlah model Programa Linier
yang mengoptimalkan produksi.
Penyelesaian :
Variabel : xj = jumlah produk j yang dibuat, j = 1, 2, 3, 4
21
Fungsi tujuan :
Maks. z = 30x1 + 40x2 + 20x3 + 10x4 15s1 20s2 10s3 8s4
Kendala produksi departemen :
Departemen 1 : 0,30x1 + 0,30x2 + 0,25x3 + 0,15x4 < 1000
Departemen 1 : 0,25x1 + 0,35x2 + 0,30x3 + 0,10x4 < 1000
Departemen 1 : 0,45x1 + 0,50x2 + 0,40x3 + 0,22x4 < 1000
Departemen 1 : 0,15x1 + 0,15x2 + 0,10x3 + 0,05x4 < 1000
Penyelesaian :
Variabel : Xj = jumlah produksi pada bulan j, j = 1, 2, . . , 6
Ij jumlah persediaan yang ada pada akhir bulan j
Persediaan yang masuk pada awal bulan 1 = I0 = 0
22
Tujuan kita adalah meminimalkan biaya produksi dan biaya persediaan
Biaya produksi total = 50x1 + 45x2 + 55x3 + 48x4 + 52x5 + 50x6
Biaya persediaan total = 2(I1 + I2 + I3 + I4 + I5 + I6)
x1 x2 x3 x4 x5 x6
I0 = 0 I1 I2 I3 I4 I5 I6
23
dengan kendala :
x1 I1 = 100
I1 + x2 I2 = 250
I2 + x3 I3 = 190
I3 + x4 I4 = 140
I4 + x5 I5 = 20
I5 + x6 I6 = 110
Penyelesaian :
Variabel : xij = jumlah input tahap i yang di proses menjadi bensin j; j = 1, 2, 3
i = 1 adalah bensin yang keluar unit distilasi
i = 2 adalah bensin yang keluar unit pemecah
dengan menggunakan definisi ini diperoleh :
Produksi per hari bensin biasa = x11 + x21 bbl per hari
Produksi per hari bensin premium = x12 + x22 bbl per hari
Produksi per hari bensin super = x13 + x23 bbl per hari
24
Output produksi harian produksi harian produksi harian
= + +
unit pencampur dari bensin biasa dari bensin premium dari bensin super
Unit Unit
distilasi pemecah X21 + x22 + x23 x13+x23 bensin super
angka oktan 92
Angka angka
Oktan 82 oktan 98
Jumlah hasil distilasi (AO=82) = x11 + x12 + x13 bbl per hari
yang masuk ke unit pencampur
Jumlah hasil pemecah (AO=98) = x21 + x22 + x23 bbl per hari
yang masuk ke unit pencampur
Jumlah hasil distilasi (AO=82) = 2(x21 + x22 + x23 ) bbl per hari
yang masuk ke unit pemecah
Jumlah minyak mentah yang = 5(x11 + x12 + x13) + 10(x21 + x22 + x23 ) bbl per hari
diproses pada kilang
Tujuan dari model adalah memaksimalkan keuntungan total yang dihasilkan dari
penjualan ketiga jenis bensin :
25
3. permintaan bensin biasa paling banyak 50.000 bbl per hari
x11 + x21 < 50.000
Pada pembahasan di sini analisa kepekaan secara grafis ini ditinjau dari :
26
PERUBAHAN KOEFISIEN FUNGSI TUJUAN
Berapa besar perubahan pada koefisien fungsi tujuan dapat terjadi tanpa mempengaruhi
titik sudut optimal ?
C1 atau
C2
C1 atau
C2
C1
Garis Z koefisien arahnya adalah - /C2. Garis Z dapat makin datar atau makin tegak.
Garis tersebut makin datar jika nilai C1 turun atau nilai C2 naik. Sebaliknya garis tersebut
makin tegak jika C1 naik atau C2 turun nilainya.
Agar titik optimal tetap pada titik optimal C (X1 = 3 dan X2 = 1 ) yang telah diperoleh
sebelumnya, koefisien arah dari garis Z dapat berubah dalam batas-batas tertentu.
Persoalannya adalah berapa besar perubahan nilai Cl dan C2 agar tetap optimal di titik
C.
Garis Z dari persoalan pabrik cat dapat bergerak pada daerah Z sejajar dengan garis (l)
dan (2).
Koefisien arah garis (1) adalah -3/2 dan garis (2) adalah -1/2.
Dengan demikian nilai C1/C2 = 1/2 : 3/2 atau C2/C1 = 2/3 : 2
C1 / 4 = 1/2 : 3/2 C1 = 2 : 6
Titik optimal tetap pada titik C pada keuntungan cat luar C1 berada sebesar antara
$2.000 sampai dengan $ 6.000 dengan keuntungan cat dalam C2 tetap $ 4.000
Dengan cara yang sama diperoleh keuntungan cat luar C2 berada sebesar antara $ 3334
sampai dengan $10.000. dengan keuntungan cat luar Cl tetap $ 5.000 agar tetap optimal
pada titik C
27
NILAI PER UNIT DARI SUMBER
Pada kebanyakan model Programa Linier, kendala biasanya mewakili pemakaian sumber
yang terbatas. Ruas kanan merupakan batas tersedianya sumber. Pada bagian ini
dipelajari kepekaan dari penyelesaian optimal terhadap perubahan dari ketersediaan
sumber.
Nilai per unit dari sumber adalah tingkat perubahan dari nilai optimal dari fungsi tujuan
sebagai perubahan dari tersedianya sumber.
Dari persoalan pabrik cat kendala l dan 2 merupakan pembatasan pemakaian bahan
baku M1 dan M2. Ingin ditentukan nilai per unit dari kedua sumber tersebut.
Titik optimum dari persoalan pabrik cat adalah titik C. Titik C adalah perpotongan antara
garis 1 dan garis 2. Jika ketersediaan M1 berubah, maka. titik optimum C akan bergerak
sepanjang garis DG. Setiap perubahan M1 di luar garis tsb. tidak layak, karena titik
optimal tidak lagi berada pada perpotongan antara garis 1 dan 2. (lihat gambar berikut).
Dengan demikian titik D (2,2) dan titik G (6,0) merupakan daerah yang memenuhi syarat
bagi pergerakan M1.
D
M1=36
M1=20
G
Pada saat garis M1 melalui titik D diperoleh (dengan memasukkan koordinat titik D) nilai
ruas kanan sebesar 20 dan melalui titik G nilai ruas kanan sebesar 36. Dengan demikian
range nilai M1 20 < M1 < 36. Jika D1 adalah nilai perubahan bahan baku M1 , dengan
M1 = 24 + D1 maka range nilai D1 : - 4 < D1 < 12. Dengan demikian agar menjamin titik
C tersebut tetap merupakan perpotongan antara M1 dan M2 maka bahan baku M1 dapat
turun paling banyak sebesar 4 ton dan dapat naik sebanyak 12 ton.
Nilai Z pada saat titik optimum berada pada titik D adalah 18 dan pada saat berada di titik
G nilai Z = 30
28
NILAI PER UNIT DARI SUMBER ADALAH YI :
Perubahan jumlah sumber i akan mempengaruhi nilai Z. Setiap unit perubahan nilai
sumberi i memberikan perubahan nilai Z sebesar Yi, di mana :
30 18
Dengan demikian nilai Y1 = = 3/4
36 20
60 / 3 20
Y2 = = 1/2
20 / 3 4
21 21
Y3 = = 0
1+ 3 / 2
21 21
Y4 = = 0
2 3/ 2
29
PROGRAMA LINIER : METODE SIMPLEKS
Penyelesaian model Programa Linier secara grafis hanya dapat dilaksanakan jika
variabel keputusannya dua buah. Jika variabelnya lebih dari dua buah diselesaikan
secara aIjabar dengan menggunakan matriks
1. Semua kendala dalam bentuk persamaan dan ruas kanan harus non negatif.
2. Semua variabel dalam bentuk non negatif.
3. Fungsi tujuan dapat berupa persoalan memaksimalkan atau meminimalkan.
Kendala:
Hubungan ruas kiri dan ruas kanan dapat berbentuk <; >; atau =. Oleh karena model
harus dalam bentuk persamaan, maka kendala dalam bentuk pertidaksamaan diubah ke
dalam bentuk persamaan.
Untuk kendala dengan bentuk < ditambahkan variabel slack. pada ruas kiri, sedangkan
untuk kendala dengan bentuk > dikurangi dengan variabel surplus pada ruas kiri. Dengan
demikian hubungan kendala berubah menjadi dalam bentuk persamaan.
Contoh:
1) x1 + 2x2 < 6 x1 + 2x2 + s1 = 6
s1 > 0 ; s1 = variabel slack
2) 3x1 + 2x2 -3x3 > 5 3x1 + 2x2 - 3x3 s1 = 5
s1 > 0 ; s2 = variabel surplus
3) 2x1 - 2x2 - 5x3 = - 5 - 2x1 +2x2 + 5x3 = 5
30
Variabel:
Variabel harus berbentuk non negatif (>). Jika variabel tersebut tidak terbatas pada tanda
(dapat bernilai posistif , negatif atau nol), variabel tersebut diganti dengan dua buah
variabel baru yang non negatif.
Contoh:
xj tidak terbatas pada tanda diganti dengan
xj = xj - xj.
xj; xj 0
Fungsi tujuan:
fungsi tujuan dapat berbentuk memaksimalkan atau meminimalkan
fungsi memaksimalkan adalah ekivalen dengan meminimalkan negatif dari fungsi
yang sama atau sebaliknya.
Contoh :
contoh :
Bentuk standar dari persoalan pabrik cat adalah :
Maks. z = 5x1 + 4x2
d. k. 6x1 + 4x2 + s1 = 24
x1 + 2x2 + s2 =6
- x1 + x2 + s3 =1
x2 + s4 = 2
x1; x2 > 0
31
Contoh :
model programa linier:
min. z = 2x1 + 3x2
d.k. x1 + x2 = 10
- 2x1+ 3x2 -5
7x1 - 4x2 6
x1 t.t.t. ; x2 > 0
contoh :
fungsi Tujuan Maks. z = 2x1 + 3x2 + 4x3 + 5x4
Dengan kendala : x1 + 3x2 2x3 + 4x4 < 20
2x1 + 4x2 + 2x3 + 3x4 > 10
5x1 - 3x2 + 2x3 + 2x4 < 30
xj > 0 j = 1, 2, 3, 4
32
Contoh :
Model Programa Linier :
Semua variabel X4 diganti dan pada kendala ditambahkan variabel Slack atatu dikurangi
variabel Surplus
(pada bagian selanjutnya untuk kendala > pada pembahasan selanjutnya nanti akan
ditambah lagi dengan variabel buatan)
33
BENTUK UMUM DARI BENTUK STANDAR MODEL PROGRAMA LINIER
Terdapat m buah kendala n buah variabel (termasuk variabel slack, surplus, dan buatan)
f. t maks./min. z = c1x1 + c2x2 + ............................................. + cnxn
dengan kendala a11x1 + a12x2 + ............................................. + alnxn = bl
a21x1 + a22x2 + ............................................. + a2nxn = b2
a31x1 + a32x2 + ............................................. + a3nxn = b3
.
.
am1x1 + am2x2 + .............................................. + amnxn = bm
x1 ; x2 ; xn 0
b1 ; b2 ; bn 0
f.t. maks./min. Z = CX
d. k. A.X = B
X>0;B>0
C = ( c1 c2 . . . . . cn)
34
METODE GRAFIS VS METODE SIMPLEKS
; Pada penyelesaian secara grafis pada bab yang lalu kita menggeser garis Z dari Z
= 0 ke arah kanan di mana nilai Z membesar.
; Nilai Z yang terbesar dapat juga dicari dengan memasukkan nilai-nilai titik sudut
dari bidang penyelesaian mulai dari titik sudut A (0,0) ke arah B C D E F,
atau dari arah A FE D C B A
Titik A :Z=0
B : Z = 20
C : Z = 21
D : Z = 18
E : Z = 13
F:Z=4
Dari hasil di atas terlihat nilai Z naik dari 0; 20; 21 kemudian turun ke 18; 13; 4 dan
akhimya 0 kembali. Jadi setelah diperoleh nilai tertingi pada titik C, kemudian nilai
tersebut turun kembali. Demikian juga halnya jika berputar berlawanan dengan arah
jarum jam, nilai Z akan naik terus sampai keadaan optimal tercapai lalu turun kembali.
Bentuk standar
35
Gambar dari persoalan tersebut :
x1 = 0
s1=0
s3 = 0
E D s4=0 x1= ~
C
F
s2 = 0
x2 = 0
A B G
s3 = 0 x1= - 1 s1= 0 x1= 4
s2 = 0 x1 = 6
Secara grafis telah dibahas bahwa pada garis 1 diperoleh 6x1 + 4x2 = 24, dengan
demikian jika kita masukkan persamaan tersebut ke dalam persamaan kendala 1 di atas
diperoleh s1 = 0. Dengan cara yang sama diperoleh nilai setiap variabel slack pada garis
kendalanya = 0
Dari persoalan di atas kita mempunyai empat (m) buah persamaan kendala dengan
enam (n) buah variabel. Jika kita ingin menyelesaikan tersebut secara aljabar, kita harus
mempunyai empat buah persamaan dan empat buah variabel. Agar persamaan di atas
dapat kita selesaikan maka sebanyak (n - m) buah variabel/(6-4) buah variabel yang
tertentu nilainya. Untuk mudahnya kita tentukan nilainya = 0.
Dari gambar di atas kita lihat pada tititk-titik sudut bidang penyelesaian terdapat dua buah
variabel yang nilainya = 0, sedangkan variabel lainnya tidak nol.
Variabel yang nilainya 0 kita sebut variabel dasar (basic variable), sedangkan
variabel yang nilainya = 0 kita sebut variabel non dasar (non basic variable).
36
Pada tabel di bawah kita lihat sbb. :
B x2 ; s1 x1 ; s2 ; s3 ; s4 20
C s2 ; s1 x1 ; x2 ; s3 ; s4 21
D s1 ; s4 xl ; x2 ; s2 ; s3 18
E s4 ; s3 xl ; x2 ; s1 ; s2 13
F s1 ; x1 x2 ; s1 ; s2 ; s4 4
Pada setiap titik sudut terdapat dua buah variabel non dasar dan empat buah variabel
dasar. Jika kita pindah dari titik A ke titik B terdapat satu buah variabel non dasar
berubah menjadi variabel dasar. Variabel ini kita sebut sebagai variabel masuk (dalam
hal ini x1 masuk menjadi variabel dasar). Jika ada variabel yang masuk (menjadi variabel
dasar) tentu ada variabel yang keluar dari variabel dasar menjadi variabel non dasar
karena pada titik sudut harus terdapat dua buah variabel non dasar. Dalam hal ini kita
lihat s1 adalah variabel keluar menjadi variabel non dasar. Demikian seterusnya jika
pindah dari titik B ke titik C akan terdapat variabel yang masuk dan keluar. Demikian
seterusnya sampai keadaan optimal tercapai.
ALGORITMA SIMPLEKS
Sekarang kita gunakan pemahaman kita tentang urutan pencapaian keadaan optimal
secara grafis tersebut untuk memahami penyelesaian secara aljabar/simpleks. Untuk itu
kita gunakan persoalan pabrik cat dalam pembahasan ini (lihat tabel pada hal. 9).
37
pada tabel simpleks. Kita pinjam pengetahuan kita pada metode grafis yaitu x1 dan x2
adalah variabel non dasar. Dari tabel simpleks terlihat . Bahwa koefisien x1 dan x2 pada
baris fungsi tujuan tidak nol sedangkan nilai koefisien s1, s2, s3 dan s4 nol. Jadi kita
tentukan variabel dasar adalah variabel yang koefisiennya nol dan variabel non dasar
adalah variabel yang koefisiennya tidak nol pada persamaan fungsi tujuan. Dengan
memasukkan nilai variabel non dasar = 0 pada persamaan fungsi tujuan dan persamaan
kendala, akan diperoleh nilai z, variabel dasar s1, s2, s3, dan s4. Di sini terlihat nilai
tersebut adalah sama dengan nilai ruas kanan pada persamaan fungsi tujuan dan
persamaan kendala. Dengan demikian dari persamaan tersebut kita peroleh nilai variabel
dasar. Pada kolom paling kiri kita tuliskan variabel dasar yang diperoleh dan nilainya
diperoleh pada kolom paling kanan. Di samping itu diperoleh ciri-ciri variabel dasar yaitu
koefisien pada perpotongan baris variabel dasar dan kolom variabel dasar tersebut
adalah 1 sedangkan koefisien variabel tersebut pada baris lainnya adalah 0 (lihat hal. 42)
Langkah 1 : Pilih variabel masuk di antara variabel non dasar yang ada yang jika
nilainya dinaikkan ke atas nol (menjadi positif) akan meningkatkan nilai fungsi
tujuan.
Secara grafis kita lihat keadaan optimal lebih cepat tercapai jika x1 lebih dahulu dinaikkan
nilainya menjadi positif. Jika x1 lebih dahulu dinaikkan menjadi positif dalam 2 langkah
keadaan optimal tercapai, sedangkan jika x2 lebih dahulu dinaikkan menjadi positif
keadaan optimal tercapai dalam 4 langkah. Secara simpleks kita tentukan juga x1 adalah
variabel masuk.
Kita cari ciri-ciri variabel masuk pada tabel simpleks.
Terlihat koefisien x1 adalah paling negatif, jadi selanjutnya kita tentukan variabel non
dasar yang koefisiennya pada persamaan fungsi tujuan paling negatif (untuk persoalan
memaksimalkan) adalah variabel masuk, (untuk persoalan meminimalkan variabel masuk
adalah variabel non dasar yang mempunyai koefisien yang paling positif). Jika tidak ada
variabel masuk maka keadaan telah optimal.
Langkah 2 : Pilih variabel keluar di antara variabel dasar yang ada yang harus
dijadikan nol (dijadikan variabel non dasar) pada saat variabel masuk menjadi
variabel dasar.
Secara grafis kita tentukan variabel s1 merupakan variabel keluar (yaitu titik B di mana
pada titik B (s1 dan x2 = 0). Secara simpleks kita tentukan juga s1 adalah variabel keluar.
Kemudian kita cari ciri-ciri variabel non dasar pada tabel simpleks. Secara grafis kita
peroleh pada saat x1 menjadi positif, variabel yang menjadi nol (variabel non dasar)
adalah :
38
- titik B: s1 = 0 diperoleh x1 = 4
- titik J : s2 = 0 diperoleh x1 = 6
- titik L: s3 = 0 diperoleh x1 = - 1
- titik : s4 = 0 diperoleh x1 =
Secara simpleks kita hitung rasio antara ruas kanan persamaan kendala dibagi koefisien
x1 pada kendala tersebut diperoleh:
- kendala 1 : rasio = 4
- kendala 2 : rasio = 6
- kendala 3 : rasio = 1
- kendala 4 : rasio =
Kita lihat rasio persamaan s1 (kendala 1) = 4 adalah rasio positif terkecil. Jadi variabel
keluar adalah variabel dasar yang rasionya positif terkecil.(untuk persoalan
memaksimalkan maupun meminimalkan).
Langkah 3 : Hitung penyelesaian dasar yang baru dengan membuat variabel masuk
menjadi variabel dasar dan variabel keluar menjadi variabel non dasar. Lanjutkan
kembali langkah 1.
Dari tabel simpleks iterasi 0 kita lihat variabel dasar koefisiennya nol pada persamaan
fungsi tujuan sedangkan pada persamaan kendala dasarnya koefisiennya adalah 1 dan
pada persamaan lainnya (termasuk persamaan fungsi tujuan) koefisiennya adalah nol.
Dengan dernikian kita buat tabel simpleks yang baru dengan menjadikan posisi
persamaan variabel keluar tersebut menjadi tempat variabel masuk. Kita buat koefisien
variabel masuk tersebut pada tempatnya yang baru = 1 dan membuat koefisien variabel
dasar yang baru tsb. (variabel masuk) koefisiennya menjadi nol pada persamaan lainnya
dengan cara:
1. membagi persamaan variabel keluar tersebut dengan koefisien variabel masuk pada
persamaan tersebut (agar koefisiennya menjadi 1). Dengan demikian posisi variabel
masuk tersebut menjadi variabel dasar.
2. menambah/mengurangi persamaan lainnya (termasuk persamaan fungsi tujuan)
dengan persamaan variabel masuk dikali koefisien variabel masuk pada persamaan
tersebut sedemikian rupa agar koefisien masuk pada tabel yang baru menjadi nol.
Tabel Simpleks dari persoalan pabrik cat berdasarkan perhitungan iterasi simpleks adlah
seperti di bawah ini.
39
Iterasi 0 penentuan penyelesaian dasar awal, dengan menentukan variabel yang
koefisiennya tidak nol adalah variabel non dasar. Variabel dasar awal pada persoalan ini
adalah variable Slack yang ada pada kendala tersebut (untuk persoalan dengan kendala
= dan > variabel dasar awalnya adalah variabel buatannya. Hal ini akan dibahas pada
pembahasan penyelesaian dengan variabel buatan).
Variabel dasar dituliskan pada kolom paling kiri sedangkan nilainya dapat dilihat pada
kolom paling kanan. Jika kita tarik baris variabel dasar dan kolom variabel dasar kita lihat
perpotongan-nya mempunyai koefisien 1, sedangkan pada kolomnya koefisiennya
bernilai nol.
Selanjutnya kita ikuti langkah-2 pada iterasi simpleks, yaitu penentuan variabel masuk,
variabel keluar, serta penyusunan tabel yang baru dapat dilihat pada table berikut. Pada
iterasi 2 kondisi optimal karena tidak ada lagi koefisien V.N.D. yang negate. kondisi
optimal
v. m.
V. D. z x1 x2 s1 s2 s3 s4 R. K.
z 1 -5 -4 0 0 0 0 0 rasio
v.k.
s1 0 6 4 1 0 0 0 24 24/4=4
It. 0 s2 0 1 2 0 1 0 0 6 6/1=6
s3 0 -1 1 0 0 1 0 1 1/-1=-1
s4 0 0 1 0 0 0 1 2 2/0=
z 1 0 -2/3 5/6 0 0 0 20 rasio
x1 0 1 2/3 1/6 0 0 0 4 6
v.k.
It. 1 s2 0 0 4/3 -1/6 1 0 0 2 3/2
s3 0 0 5/3 1/6 0 1 0 5 3
s4 0 0 1 0 0 0 1 3 2
z 1 0 0 3/4 1/2 0 0 21
x1 0 1 0 1/4 -1/2 0 0 3
It. 2 x2 0 0 1 -1/8 0 0 3/2
s3 0 0 0 3/8 -5/4 1 0 5/2
s4 0 0 0 1/8 -3/4 0 1 1/2
Pada iterasi 0 terlihat x1 mempunyai koefisien paling negatif pada persamaan tujuan,
sedangkan persamaan s1 mempunyai rasio positif terkecil. Dengan demikian x1
merupakan variabel masuk dan s1 variabel keluar.
40
Pada iterasi 1 terlihat x2 mempunyai koeftsien paling negatif pada persamaan tujuan,
sedangkan persamaan s2 mempunyai rasio positif terkecil. Dengan demikian x2
merupakan variabel masuk dan s2 variabel keluar.
Pada iterasi 2 ini tidak ada variabel non dasar yang mempunyai koefisien yang negatif
pada persamaan fungsi tujuan Tidak ada variabel masuk. Dengan demikian keadaan
optimal pada x1 = 3; x2 = 1 dan z = 21
Contoh :
Fungsi tujuan :
Maks. Z = 3X1 + 5X2
Dengan kendala :
X1 <4
2X2 < 12
3X1 + 2X2 < 18
X1; X2 > 0
Fungsi tujuan :
Maks. Z = 3X1 + 5X2
Dengan kendala :
X1 + S1 =4
2X2 + S2 = 12
3X1 + 2X2 + S3 = 18
X1; X2; S1; S2; S3 > 0
V. D. X1 X2 S1 S2 S3 R. K.
Z -3 -5 0 0 0 0 rasio
S1 1 0 1 0 0 4
S2 0 2 0 1 0 12 6
S3 3 2 0 0 1 18 9
41
Z -3 0 0 5/2 0 30 rasio
S1 1 0 1 0 0 4 4
X2 0 1 0 1/2 0 6
S3 3 0 0 -1 1 6 2
Z 0 0 0 3/2 1 36
S1 0 0 1 1/3 -1/3 2
X2 0 1 0 1/2 0 6
X1 1 0 0 -1/3 1/3 2
Pada iterasi ke dua di atas tidak terdapat variabel non dasar pada fungsi tujuan yang
koefisiennya yang negatif.. tidak terdapat variabel masuk kondisi optimal.
Diperoleh :
X1 = 2
X2 = 6
Z = 36
Sebagai contoh:
min. z = 4x1 + x2
d. k. 3x1 + x2 = 3
4x1 + 3x2 > 6
x1 + 2x2 < 4
x1; x2 0
bentuk standar:
min. z = 4x1 + x2
d. k. 3x1 + x2 = 3
4x1 + 3x2 x3 = 6
x1 + 2x2 + x4 = 4
x1; x2; x3; x4 0
42
V.D. x1 x2 x3 x4 R. K.
-4 -1 0 0 0
3 1 0 0 3
4 3 -1 0 6
1 2 0 1 4
- Terdapat 3 persamaan dengan 4 variabel, berarti satu variabel harus berada pada
posisi non dasar dengan nilai nol dalam setiap penyelesaian. Di sini terdapat dua
variabel yang koefisiennya tidak nol pada persamaan tujuan, sehingga kita harus
menentukan salah satu variabel yang koefiennya tidak nol sebagai variabel non dasar
sedangkan variabel lainnya berada pada posisi variabel dasar
- Pada kendala 2 dengan variabel surplus kita tentukan sebagai variabel dasar, akan
tetapi akan diperoleh variabel dasar yang negatif, sedangkan pada metode simpleks
telah ditentukan semua variabel adalah non negatif.
43
Contoh :
Kita selesaikan persoalan pada contoh di atas
Bentuk standar:
min. z = 4x1 + x2 + MR1 + MR2
d. k. 3x1 + x2 + R1 =3
4x1 + 3x2 - x3 + R2 =6
x1 + 2x2 + x4 = 4
x1; x2; x3; x4; R1; R2 > 0
Jika kita buat tabel simpleks dari persoalan di atas, akan diperoleh koefisien R1 dan R2
pada persamaan fungsi tujuan sebesar - M. Seharusnya koefisien R1 dan R2 tersebut
sama dengan 0 karena tujuan kita menambahkan variabel buatan adalah sebagai
variabel. dasar awal. Agar koefisien R1 dan R2 = 0 kita masukkan nilai variabel buatan
yang kita peroleh dari persamaan kendala ke dalam persamaan fungsi tujuan.
R1 = 3 3x1 - x2
R2 = 6 4x1 3x2 + x3
V. D. x1 x2 x3 R1 R2 x4 R. K.
-4 -1 0 0 0 0 0
Z 7M 4M -M 0 0 0 9M Rasio :
3
R1 3 1 0 1 0 0 3 /3 = 1
6
R2 4 3 -1 0 1 0 6 / 4 = 3/ 2
4
x4 1 2 0 0 0 1 4 /1 = 4
0 1/3 0 4/3 0 0 4
Z 0 5/3M -M - 7/3M 0 0 2M
x1 1 1/3 0 1/3 0 0 1 1/1/3 = 3
R2 0 5/3 -1 - 4/3 1 0 2 2/5/3 = 6/5
x4 0 5/3 0 - 1/3 0 1 3 3/5/3 = 9/5
0 0 1/5 8/5 - 1/5 0 18/5
Z 0 0 0 -M -M 0 0
3/5
X1 1 0 1/5 3/5 - 1/5 0 3/5 /1/5 = 3
6/5
x2 0 1 - 3/5 - 4/5 3/5 0 6/5 /-3/5 = -2
x4 0 0 1 1 -1 1 1 1/1 = 1
44
0 0 0 7/5 0 - 1/5 17/5
Z 0 0 0 -M -M 0 0
X1 1 0 0 2/5 0 - 1/5 2/5
x2 0 1 0 - 1/5 0 3/5 9/5
x3 0 0 1 1 -1 1 1
Oleh karena pada iterasi 3 tidak ada koefisien variabel pada baris fungsi tujuan yang
positif optimal : x1 = 2/5; x2 = 9/5 z = 17/5
Contoh :
Model primal : maks Z = 5X1 + 12X2 + 4 X3
dk X1 + 2X2 + X3 10
2X1 X2 + 3X3 = 8
X1; X2; X3 0
Pada kendala pertama ditambahkan dengan variabel slack, sedangkan pada kendala
kedua ditambahkan variabel buatan. Dengan demikian model menjadi :
V. D. X1 X2 X3 X4 R R. K.
Iterasi 0 -5 -12 -4 0 0 0
Z -2M M -3M 0 0 -8M Rasio
10
X4 1 2 1 1 0 10 /1=10
8
R 2 -1 3 0 1 8 /3
Iterasi 1 -7/3 -40/3 0 0 4/3 32/3
Z 0 0 0 0 M 0
22
X4 1/3 7/3 0 1 -1/3 22/3 /3/7/3=22/7
8
X3 2/3 -1/3 1 0 1/3 8/3 /3/-1/3=-8
Iterasi 2 -3/7 0 0 40/7 -4/7 368/7
Z 0 0 0 0 M 0
22
X2 1/7 1 0 3/7 -1/7 22/7 /7/1/7=22
26
X3 5/7 0 1 1/7 2/7 26/7 /7/5/7=26/5
Iterasi 3 0 0 3/5 29/5 -2/5 54 4/5
Z 0 0 0 0 M 0
X2 0 1 -1/5 2/5 -1/5 12/5
X1 1 0 7/5 1/5 2/5 26/5
45
KASUS-KASUS KHUSUS DALAM PENERAPAN METODE SIMPLEKS
1.Degenerasi
2.Penyelesaian optimal alternatif
3.Penyelesaian tanpa batas
4.Tidak ada penyelesaian yang mungkin
DEGENERASI
Suatu saat kita mungkin menghadapi keadaan di mana rasio positif terkecil lebih dari
satu. Dalam hal ini kita tentukan salah satu dari variabel dasar yang mempunyai rasio
positif terkecil menjadi variabel keluar. Dengan demikian pada iterasi berikutnya akan
terdapat variabel dasar yang nilainya sama dengan nol. Kita katakan penyelesaian dasar
yang baru adalah degenerasi. Pada keadaan ini kita mempunyai kendala yang berlebih.
iterasi 0 V. D. xl x2 x3 x4 R. K.
z -3 -9 0 0 0 rasio
x3 1 4 1 0 8 8/4=2
x4 1 2 0 1 4 4/2=2
iterasi 1 z -3/4 0 9/4 0 18
x2 1/4 1 1/4 0 2 8
x4 1/2 0 - 1/2 1 0 0
iterasi 2 z 0 0 3/2 3/2 18
x2 0 1 1/2 -1/2 2
x1 1 0 -1 2 0
46
Persoalan di atas jika diselesaikan secara grafis diperoleh :
Optimal pada x1 = 0
x2 = 2
z = 18
Kendala berlebih
x1 + 4x2 < 8
x1 + 2x2 < 4
Persoalan tersebut jika diselesaikan secara grafis adalah seperti pada gambar :
Penyelesaian optimal
4x1 +x2 =8 yg tidak degenerasi
4x1 - x2 =8
47
Tabel simpleks persoalan tersebut:
V. D. x1 x2 x3 x4 x5 R. K.
z -3 -2 0 0 0 0 Rasio
x3 4 3 1 0 0 12 12/4=3
x4 4 1 0 1 0 8 8/4=2
x5 4 -1 0 0 1 8 8/4=2
z 0 -5/4 0 3/4 0 6
x3 0 2 1 -1 0 4 2
x1 1 1/4 0 1/4 0 2 8
x5 0 -2 0 -1 l 0 -0
z 0 0 5/8 1/8 0 17/2
x2 0 1 1/2 -1/2 0 2
x1 1 0 -1/8 3/8 0 3/2
x5 0 0 1 -1 1 4
Dx1 + 2x2 5
A
Semua titik pada garis BC mempunyai nilai Z = 10. Di luar garis BC walaupun
mempunyai nilai Z = 10 tetapi tidak layak karena berada di luar bidang penyelesaian yang
layak.
48
Iterasi 0 V.D. x1 x2 x3 x4 R. K.
z -2 -4 0 0 0 rasio :
x3 1 2 1 0 5 5/2 = 2
x4 1 1 0 1 4 4/1 = 4
iterasi 1 z 0 0 2 0 10
5/2
x2 1 1/2 0 5/2 /1/2 = 5
3/2
x4 0 -1/2 1 3/2 /1/2 = 3
iterasi 2 z 0 0 2 0 10
x2 1 0 1 -1 1
x1 0 1 -1 2 3
pada iterasi 1 diperoleh x1 = 0; x2 = 5/2 dan z = 10 (titik B pada gambar). Pada iterasi ini
keadaan telah optimal karena tidak ada variabel non dasar yang koefisiennya negatif
pada fungsi tujuan. Akan tetapi variabel non dasar x1 koefisennya pada fungsi tujuan
adalah nol. Di sini dianggap koefisiennya adalah nol yang negatif, sehingga x1 dapat
dijadikan variabel masuk. Pada iterasi 2, x1 adalah variabel masuk sedangkan x4 adalah
variabel keluar. Pada iterasi 2 diperoleh x1 = 3; x2 = 1 dan z = 10 (titik C pada gambar).
Dengan metode simpleks hanya diperoleh dua titik optimal B(0,5/2) dan C(3,1). Jika
terjadi hal seperti ini dapat dibuat persamaan umum untuk semua titik yang terletak pada
segmen garis BC dengan koordinat P(x1, x2). Dengan menganggap BC = 1 dan CP = (
0 < < 1) diperoleh :
Pada beberapa model Programa Linier besarnya nilai variabel tanpa batas tanpa
mengganggu kendala. Hal ini berarti penyelesaian tanpa batas, sebagai akibat nilai
tujuan dapat dinaikkan (persoalan memaksimumkan) atau diturunkan (persoalan
Meminimumkan) tanpa batas. Model seperti ini berarti dibuat sangat jelek, karena tidak
mungkin membuat model dengan keuntungan tidak terbatas.
49
Penyebabnya a. l. :
1) Satu atau beberapa kendala yang terbatas tidak diperhitungkan
2) Koefisien dari bebarapa variabel tidak diperkirakan secara betul
Contoh :
f.t. maks. Z = 2x1 + x2,
d. k. x1 -x2 < 10
2x1 < 40
x1; x2 > 0
Tabel simpleks :
V. D. x1 x2 x3 x4 R. K.
z -2 -1 0 0 0 rasio
x3 1 -1 1 0 10 10 v. k.
x4 2 0 0 1 40 20
z 0 -3 0 0 20
x1 1 -1 1 0 10 -10
x4 0 2 -2 1 20 10 v. k.
z 0 0 -3 3/2 50
x1 1 0 0 1/2 20 v. k.
x2 0 1 -1 1/2 10 -10
Rasio positif terkecil pada iterasi 2 adalah sehingga x1 keluar dan digantikan oleh x3.
Jika baris fungsi tujuan ditambah x persamaan baris kendala variabel masuk, koefisien
X3 tetap negatif, sedangkan fungsi tujuannya telah bernilai . Dengan demikian
penyelesaiannya adalah tanpa batas.
Persoalan tersebut jika dilihat secara grafis adalah seperti pada gambar berikut :
daerah penyelesaian
2x1 = 40
x1 x2 = 10
z = 2x1 + x2
Dapat dinaikkan tanpa batas
50
DAERAH PENYELESAIAN TANPA BATAS TETAPI MEMPUNYAI NILAI OPTIMAL
YANG TERTENTU
V.D. x1 x2 x3 x4 R.K.
z -6 2 0 0 0
x3 2 -1 l 0 2
x4 l 0 0 1 4
z 0 -1 3 0 6
x1 1 - 0 1
x4 0 - 1 3 di sini walaupun daerah penyelesaiannya
z 0 0 2 2 12 tanpa batas namun terdapat sebuah
x1 l 0 0 1 4 penyelesaian.
x2 0 1 -1 2 6
51
Tabel simpleks dari persoalan di atas :
V.D. x1 x2 x3 x4 R R.K.
iterasi 0 -3 -2 0 0 0 0
z -3M -4M 0 M 0 - 12M
x3 2 1 1 0 0 2
R 3 4 0 -l 1 12
iterasi 1 1 0 2 0 0 4
z 5M 0 4M M 0 - 4M
x2 2 1 1 0 0 2
R -5 0 -4 1 1 4
Pada iterasi 1 keadaan sudah optimal karena sudah tidak ada variabel non dasar
koefisiennya yang negatif. Namun di sini nilai variabel buatannya adalah tidak nol. Berarti
tidak ada penyelesaian yang layak.
52
tabel simpleks yang optimal :
V.D. x1 x2 s1 s2 s3 s4 R.K.
z 0 0 3/4 1/2 0 0 21
x1 1 0. 1/4 -1/2 0 0 3
x2 0 1 -1/8 3/4 0 0 3/2
s3 0 0 3/8 -5/4 1 0 5/2
s4 0 0 1/8 -3/4 0 1 1/2
STATUS SUMBER :
Status dari sumber ditunjukkan oleh nilai variabel slack :
53
Dari tabel simpleks
V. D. x1 x2 s1 s2 s3 s4 R. K.
3 1
z 0 0 0 0 21
4 2
3 1
z = 21 - ( s1 + s2 + 0 s3 + 0 s4 )
4 2
Jika s1 dinaikkan dari keadaan sekarang = 0 ke nilai yang positif maka nilai Z akan turun
sebanyak 3/4 ribu dollar / ton.Naiknya nilai s1 sama artinya dengan turunnya sumber 1
(bahan baku M1)
maka 6x1+ 4x2 + s1 = 24
V. D. x1 x2 s1 s2 s3 s4 R. K.
z 0 0 3 1 0 0 21
4 2
- 1 0 0 0 0 0 0
agar koefsien x1 pada fungsi tujuan tersebut menjadi nol maka baris fungsi tujuan yang
kedua dikurangi dengan 1 x persamaan variabel dasar x1 (lihat tabel simpleks optimal
pada hal 21). Dengan demikian persamaan fungsi tujuan berubah menjadi :
V. D. x1 x2 s1 s2 s3 s4 R. K.
z 0 0 (3/4 + 1/41) (1/2 - 1/21) 0 0 21 + 31
54
Perubahan koefisien tersebut tidak mempengaruhi persoalan selama koefisien dari
variabel non dasar tetap non negatif yaitu:
55
DUALITAS DAN ANALISA KEPEKAAN
MODEL DUAL
Setiap persoalan progama linier mempunyai suatu persoalan kedua yang saling
berhubungan.
Model Primal adalah model programa linier yang dibicarakan pada sebelum ini,
sedangkan Model Dual adalah model programa linier yang disusun dari model primal.
Kedua persoalan ini mempunyai hubungan yang saling menguntungkan; yaitu jika
penyelesaian persoalan pertama diperoleh, maka dari penyelesaian ini penyelesaian
persoalan kedua langsung diperoleh, demikian pula sebaliknya.
Hubungan yang terdapat di antara kedua persoalan tersebut kita gunakan untuk
mengurangi kesalahan yang diambil akibat penyelesaian secara metoda simpleks, dan
digunakan untuk analisa kepekaan yaitu suatu analisa tentang variasi yang dapat terjadi
pada penyelesaian optimal yang disebabkan oleh perubahan koefisien dan formulasi
persoalan.
Memaksimumkan n
atau Z = CjX j
j =1
Meminimumkan
n
Dengan kendala
a
j =1
ij x j = bi ; i = 1,2,3,...m
Xj 0 ; j = 1,2,3,n
bi 0 ; i = 1,2,3,n
di mana berbagai variabel tersebut termasuk variabel slack, surplus dan buatan.
56
Skema dari model primal :
Variabel Primal
x1 x2 ... xj . . . xn
Ruas kanan
c1 c2 . . . cj . . . cn Kendala Dual
a11 a12 . . . a1j . . . a1n b1 y1
a21 a22 . . . a2j . . . a2n b2 y2
Koefisien ruas kiri . . . . .
dari kendala dual Variabel dual
. . . . .
am1 am2 . . . amj . . . amn bm ym
Dari diagram di atas terlihat model dual diperoleh secara simetri dari primal
dengan sejumlah aturan berikut :
1. Untuk setiap kendala primal terdapat sebuah variabel dual.
2. Untuk setiap variabel primal terdapat sebuah kendala dual.
3. Koefisien variabel primal pada kendala membentuk koefisien kendala dual
sedangkan koefisien pada fungsi tujuan primal merupakan ruas kanan kendala dual.
4. Ruas kanan kendala primal merupakan koefisien fungsi tujuan dual.
Dari sejumlah aturan tersebut diatas, maka terdapat m buah variabel dual
(sebanyak jumlah kendala) dan n buah kendala dual (sebanyak variabel primal).
Di sini model primal harus dalam bentuk standar, di mana kendala merupakan
persamaan dengan ruas kanan non negatif, juga variabel primal harus 0.
Sedangkan kendala dual mempunyai hubungan seperti pada tabel berikut :
57
Dengan demikian model dual dapat dilihat seperti berikut ini :
y1 y2 . . . yj . . . ym
b1 b2 . . . bj . . . bm
a11 a21 . . .ai1 . . . am1 c1
a12 a22 . . .ai2 . . . a22 c2
.
.
a1n a2n. . .ain. . . amn cm
Contoh 3.1 1
Model primal : maks Z = 5X1 + 12X2 + 4 X3
dk X1 + 2X2 + X3 10
2X1 X2 + 3X3 = 8
X1,X2,X3 0
Pada kendala 4 diperoleh Y1 0, maka kendala Y1 yang tidak terbatas pada tanda
merupakan kendala yang berlebih, dengan demikian kendala menjadi :
Y1 0 dan Y2 tidak terbatas pada tanda.
58
Contoh 3.1 2
Primal : min Z = 5X1 - 2X2
dk -X1 + X2 -3
2X1 + 3X2 5
X1,X2 0
Model Dual :
maks W = 3Y1 + 5Y2
d. k. X1 : Y1 + 2Y2 < 5
X2 : - Y1 + 3Y2 < - 2
X3 : Y1 < 0
X4 : Y2 < 0
Y1, Y2 tak terbatas pada tanda
(Merupakan kendala yang berlebih, karena telah diperoleh Y1 dan Y2 < 0 sehingga
dibuang)
Contoh 3.1-3
Model Primal :
maks. z = 5x1 + 6x2
d.k. x1 + 2x2 = 5
x1 + 5x2 3
4x1 + 7x2 < 8
x1 t. t. t.
x2 0
59
Model Dual:
f. t. min. w = 5y1 + 3y2 + 8y3
d. k. x1 : y1 y2 + 4y3 5
y1 y2 + 4y3 5
x1 : - y1 + y2 4y3 5
x2 : 2y1 + 5y2 + 7y3 6
x3 : - y2 0 y2 < 0
x4 : y3 0
R1 : y1 M
R2 : y2 M
y1; y2; y3 tidak terbatas pada tanda
y1 t. t. t .; y2 < 0; y3 > 0
Contoh 3.1-4
Model Primal :
f. t. Min. Z = 6x1 + 3x2 + 4x3
d. k. 6x1 3x2 + 2x3 > 4
3x1 + 4x2 + 3x3 > 8
2x1 + 2x2 + 5x3 < 30
X1, x2 > 0 dan x3 t.t.t.
Model dual :
f. t. Maks. z = 4y1 + 8y2 + 30y3
d.k. x1 : 6y1 + 3y2 + 2y3 < 6
x2 : - 3y1 + 4y2 + 2y3 < 3
x3 : 2y1 + 3y2 + 5y3 < 4
2y1 + 3y2 + 5y3 = 4
x3: - 2y1 - 3y2 - 5y3 < - 4
60
x4 : - y1 < 0 y1 > 0
x5 : - y2 < 0 y2 > 0
R1 : y1 <M
R2 : y2 <M
X6 : y3 < 0
Y1; y2; y3 tidak terbatas pada tanda (berlebih)
Hasil tersebut dapat kita lihat langsung pada tabel primal yang optimal. Dengan
menggunakan persamaan :
- Nilai fungsi tujuan dari = Nilai fungsi tujuan dari
model primal yang optimal model dual yang optimal
Nilai variabel dual yang optimal dapat dilihat dari hubungan berikut :
Koefisien variabel dasar awal Perbedaan antara ruas kiri dan
pada persamaan fungsi tujuan ruas kanan dari kendala dual
model primal yang optimal = yang berhubungan dengan
variabel dasar awal
V. D. X1 X2 X3 X4 R R. K.
Iterasi 0 -5 -12 -4 0 0 0
Z -2M M -3M 0 0 -8M Rasio
10
X4 1 2 1 1 0 10 /1=10
8
R 2 -1 3 0 1 8 /3
61
Iterasi 1 -7/3 -40/3 0 0 4/3 32/3
Z 0 0 0 0 M 0
22
X4 1/3 7/3 0 1 -1/3 22/3 /3/7/3=22/7
8
X3 2/3 -1/3 1 0 1/3 8/3 /3/-1/3=-8
Iterasi 2 -3/7 0 0 40/7 -4/7 368/7
Z 0 0 0 0 M 0
22
X2 1/7 1 0 3/7 -1/7 22/7 /7/1/7=22
26
X3 5/7 0 1 1/7 2/7 26/7 /7/5/7=26/5
Iterasi 3 0 0 3/5 29/5 -2/5 54 4/5
Z 0 0 0 0 M 0
X2 0 1 -1/5 2/5 -1/5 12/5
X1 1 0 7/5 1/5 2/5 26/5
Tabel 3.4 Tabel simpleks iterasi 0 dan 4(optimal) dari model dual dari contoh 3.1-1
V.D. Y1 Y2 Y2 Y3 Y4 Y5 R1 R2 R3 R.K.
it. 0 -10 -8 8 0 0 0 0 0 0 0
W 4M 4M -4M -M -M -M 0 0 0 21M
R 1 2 -2 -1 0 0 1 0 0 5
R2 2 -1 1 0 -1 0 0 1 0 12
R3 1 3 -3 0 0 -1 0 0 1 4
it. 4 0 0 0 26/5 12/5 0 26/5 12/5 0 54 4/5
W 0 0 0 0 0 0 -M -M -M 0
Y5 0 0 0 -7/5 1/5 1 7/5 -1/5 -1 3/5
Y2 0 -1 1 2/5 -1/5 0 -2/5 1/5 0 2/5
Y1 1 0 0 -1/5 -2/5 0 1/5 2/5 0 29/5
Dari tabel 3-3 Z = 54 4/5 dan dari tabel 3-4 W = 54 4/5 Woptimal = Zoptimal= 54 4/5
62
Variabel dasar awal Koefisien V. D. A. pada Ruas kiri dikurang ruas kanan dari kendala
dari model primal pers. f. t. yang optimal dual yang berhubungan dengan V.D.A.
X4 29/5 y1 0
2
R - /5 + M y2 (-M)
Hasil tersebut di atas sama besarnya dengan hasil tabel dual yang optimal.
Demikian juga sebaliknya nilai variabel primal dapat dihitung dari tabel dual yang optimal.
Kesimpulan di atas berguna dalam menghitung nilai primal dari perhitungan dual, dimana
bila jumlah kendala lebih banyak dari jumlah variabel maka kita selesaikan melalui
persamaan dualnya karena disini jumlah iterasi penyelesaiannya lebih sedikit.
Z= - 8M Z=W=544/5 W=21M
Nilai awal dari tujuan Nilai tujuan yang seimbang Nilai awal dari tujuan
(maksimalisasi) (maks dan min) (Minimalisasi)
63
Perhitungan-perhitungan Primal Dual yang penting.
Dalam menyelasaikan analisa kepekaan kita tertarik pada satu hasil : Apakah
perubahan koefisien pada persoalan akan mempengaruhi nilai optimal dari penyelesaian
optimal yang ada.
Hal ini telah kita bahas pada bab yang lalu dengan menghitung kembali nilai ruas
kanan, serta melihat kembali optimalitas dan kelayakannya.
p1
p2
Vektor kolom P = .
.
.
pn
m m m
= Vi a Vi a
i =1
i1
i =1
iz ... Vi a
i =1
in
a
j =1
mj pj
64
PERHITUNGAN PRIMAL DUAL
Penyusunan yang khusus pada tabel simpleks awal adalah penting dalam
pengembangan perhitungan primal dual.
terdapat m buah variabel dasar awal (VDA) yang selalu berhubungan m buah kolom
terakhir dari tabel awal. Dan juga koefisien kendalanya disusun dalam bentuk
Identity Matrix
posisi VDA
Tujuan =
Inverse
Kendala =
Matrix
Perhitungan dari elemen dari tabel simpleks dibagi ke dalam dua jenis :
1. Perhitungan kolom kendala
2. Perhitungan baris tujuan
65
Perhitungan kolom kendala dibuat tanpa menggunakan hubungan primaldual,
sedangkan perhitungan baris tujuan berdasarkan sifat-sifat dual. Untuk membahas hal di
atas kita gunakan contoh 3.1 1.
Kolom pada iterasi i Matriks Invers pada iterasi i x Kolom pada model asal
=
Contoh:
1) Kolom X1 = Matriks Invers Kolom X1 pada
pada iterasi i pada iterasi i x model asal
1 1
1 - 1
3
= 1
3
=
0 2 2
3
3
2)
Kolom ruas kanan Matriks invers Kolom ruas kanan pada
pada iterasi ke-2 = pada iterasi ke-2 model awal
66
Untuk menghitung nilai koefisien tersebut diperlukan nilai variabel dual Y1 dan Y2.
Nilai variabel dual berubah pada setiap iterasi.
Kedua hal di atas berguna dalam melakukan interpretasi ekonomi dari duallitas dan
variabel dual.
67
Persoalan Primal Dual:
Model Primal:
n
Maks Z = CjXj
j =1
n
d.k a
j =1
ij X j = bi i = 1,2,m
Xj 0 j = 1,2,n
bi 0 i = 1,2,m
Model Dual:
n
Min W = biYi
j =1
m
d.k.. a Y
i =1
i i C j ; j = 1,2,n
Yi 0 i = 1,2,m
Nilai variabel dual dapat digunakan untuk menentukan tingkat dari sumber sesuai dengan
kontribusinya pada nilai tujuan.
68
X1 2/5 -1/5 10 + 1 12/5 + 2/5 1 0
X2 = 1/5 2/5 8 = 26/5 + 1/5 0
1
Diperoleh 1 - 26 dan 1 - 6
Sehingga kesimpulannya 1 - 6
- 26 -6
Di sini terlihat 1 dapat dinaikkan tanpa batas, di mana kenaikan 1 unit sumber 1 akan
menaikkan nilai Z sebesar 29/5.
Namun pada umumnya terdapat batas kenaikan; dalam hal ini tergantung dari teknologi
model.
a
i =1
ij yi c j = koefisien xj pada fungsi tujuan
Karena cj adalah keuntungan per unit dari kegiatan j dengan satuan $/unit, maka aijyi
satuannya juga $/unit. Dengan demikian aijyi yang muncul dengan tanda yang lain
haruslah merupakan biaya.
69
aij: jumlah sumber i yang digunakan oleh kegiatan j dengan demikian variabel dual yi
harus mewakili biaya yang berkaitan per unit dari sumber i.
Dapat kita katakan aijyI sebagai biaya yang berkaitan dari semua sumber untuk
menghasilkan 1 unit kegiatan j.
Kita definisikan:
z j = aij y i
zj mewakili biaya yang berkaitan dari sumber-sumber yang digunakan per unit kegiatan j.
Notasi (zj-cj) adalah koefisien xj pada fungsi tujuan pada tabel simpleks yang disebut
biaya pengurangan (reduced cost).
70
Jika keadaan memaksa barang 1 juga harus diproduksi, maka agar hal tersebut
dapat dicapai koefisien variabel x1 pada persamaan fungsi tujuan haruslah negatif agar x1
dapat merupakan variabel masuk. Jadi selama z1 < c1, x1 dapat masuk.
z1 = y1 + 3y2 + y3 < 3
Hal itu dapat dilakukan jika pemakaian waktu pada operasi 1, 2, dan 3 oleh
kegiatan 1 dapat ditekan. Jika r1, r2, dan r3 merupakan bagian pengurangan waktu pada
setiap operasi tersebut, maka :
1(1 - r1)y1 + 3(1 - r2)y2 + 1(1 - r3)y3 < 3
Penyelesaian primal dimulai dari keadaan layak yang akhirnya keadaan optimal tercapai.
Jika dibuat model dual dari model primal, pada setiap iterasi diperoleh model dual yang
tak layak yang pada akhirnya pada saat model primal optimal diperoleh model dual yang
optimal.
Pada metode simpleks dual penyelesaiannya (lihat penyelesaian secara grafis dari
persoalan di bawah) dimulai pada keadaan tidak layak dimana ruas kanan model/tabel
adalah negatif. Kita pandang model dari titik sudut pandang model dualnya. Jika pada
persoalan primal meminimalkan, maka pada model dual merupakan persoalan
memaksimalkan.
71
Contoh:
f.t. min Z = 3x1 + 2x2
d.k. 3x1 + x2 3
4x1 + 3x2 6
x1 + x2 3
x1;x2 0
B
optimal :
x1=3/5
C
x2=6/5
z =21/5 A D
Untuk model dual yang memaksimalkan variabel masuk adalah variabel non dasar yang
mempunyai koefisien paling negatif. Jika dipandang dari sudut pandang primalnya, maka
variabel tersebut merupakan variabel keluar. Demikian juga jika pada model dual adalah
variabel keluar, maka dari sudut pandang primal adalah variabel masuk.
Hal di atas digunakan untuk menentukan variabel keluar terlebih dahulu yaitu yang
mempunyai ruas kanan paling negatif setelah itu ditentukan variabel masuk yang
mempunyai rasio antara koefisien variabel xj pada fungsi tujuan dengan koefisien xj pada
72
persamaan kendala variabel keluar adalah positif terkecil. (Untuk persoalan
memaksimalkan variabel masuk yang mempunyai harga mutlak rasio terkecil.)
Jika persoalan dual adalah memaksimalkan, maka jika terdapat ruas kanan yang negatif
(merupakan baris fungsi tujuan dari model dual) merupakan variabel masuk bagi model
dual sedangkan ditinjau dari model primalnya variabel dasarnya merupakan variabel
keluar.
Pada dasarnya kita tidak pernah mempunyai ruas kanan yang negatif, karena pada
pembuatan penyelesaian dengan metode simpleks sudah ditentukan koefisien adalah
non negatif serta ruas kanan kendala juga harus non negatif.
Ruas kanan yang negatif terjadi jika kita melakukan analisa kepekaan/perhitungan
perkalian matriks inverse dengan ruas kanan kendala yang baru menghasilkan ruas
kanan baru yang negatif yang akan dibahas pada akhir bab ini.
Kita selesaikan dengan dual simpleks, yaitu kita tentukan variabel keluarnya
terlebih dahulu baru ditentukan variabel masuknya. Setelah itu dibuat tabel penyelesaian
yang baru. Penentuan variabel keluar lebih dulu kita lakukan selama ruas kanan model
ada yang negatif.
Model tersebut setelah hubungan kendalanya diubah menjadi dan kemudian
dibuat bentuk standarnya maka diperoleh :
73
Tabel Simpleks dari persoalan :
Terlihat pada tabel tersebut tidak mungkin/layak karena ruas kanannya negatif.
Untuk itu kita selesaikan dengan metode dual simpleks, yaitu penentuan variabel keluar
lebih dahulu, yaitu yang mempunyai ruas kanan paling negatif, kemudian menentukan
variabel masuk, yang mempunyai rasio positif terkecil (untuk persoalan meminimalkan,
sedangan untuk persoalan memaksimalkan yang mempunyai harga mutlak rasio
terkecil).
Dengan demikian variabel keluar adalah x4 karena mempunyai ruas kanan paling negatif.
- rasio VND x1 = -3/-4 = 3/4
- rasio VND x2 = -2/-3 = 2/3
Rasio x2 = 2/3 adalah positif terkecil jadi x2 yang menjadi variabel masuk.
Tabel Penyelesaian yang baru diperoleh dengan cara yang sama dengan metode
metode simpleks sebelumnya, yaitu dengan menempatkan V.M pada posisi variabel
keluar, kemudian membuat koefisien variabel masuk menjadi 1 dengan cara membagi
koefisien pada persamaan variabel masuk tersebut dengan koefisien variabel masuk
pada persamaan tersebut. Setelah itu semua koefisien variabel masuk pada persamaan
fungsi tujuan dan persamaan kendala yang lain dijadikan nol dengan cara yang sama
pada metode simpleks biasa.
74
Tabel yang baru :
V.D. x1 x2 x3 X4 x5 R.K
z -1/3 0 0 -2/3 0 4
x1 1 0 -3/5 1/5 0 3/5 ruas kanan yang negatif, dan koefisien pada
fungsi tujuan tidak ada yang positif (karena
x2 0 1 4/5 -3/5 0 6/5
V.M. pada persoalan meminimalkan adalah
x5 0 0 -1/5 2/5 1 0 variabel non dasar yang mempunyai koefisien
paling positif).
Pada dasarnya kita tidak pernah mempunyai ruas kanan yang negatif, karena telah
ditentukan semua vatiabel pada model adalah bilangan yang non negatif. Ruas kanan
negatif di sini karena kita tidak menambahkan variabel buatan. Sedangkan pada
penyelesaian analisa kepekaan terdapat ruas kanan yang negatif karene kita tidak
menyelesaikan dari awal melainkan kita menyelesaikan dari keadaan optimal yang telah
diperoleh kemudian dilakukan perhitungan ruas kanan yang baru dengan melakukan
perhitungan ruas kanan yang baru. Akan dibahas nanti pada saat analisa kepekaan)
75
ANALISA KEPEKAAN
Setelah model diselesaikan dan diperoleh penyelesaian optimalnya, kita ingin mengetahui
bagaimana pengaruhnya jika terjadi perubahan-perubahan pada parameter model.
Model Persoalan :
Model Primal Model Dual
f.t. maks. z = 3x1 + 2x2 f.t. min. W = 6y1 + 8y2 + y3 + 2y4
d.k. x1 + 2x2 6 d.k. y1 + 2y2 - y3 3
2x1 + x2 8 2y1 + y2 + y3 + y4 2
-x1 + x2 1 y1; y2; y3; y4 0
x2 2
x1; x2 0
V.D x1 x2 x3 x4 x5 x6 R.K
Z 0 0 1/3 4/3 0 0 38/3
x2 0 1 2/3 -1/3 0 0 4/3
x1 1 0 -1/3 2/3 0 0 10/3
x5 0 0 -1 1 1 0 3
x6 0 0 -2/3 1/3 0 1 2/3
76
Perubahan pada ruas kanan kendala
Sebagaimana yang telah dibahas pada bagian sebelumnya, jika ruas kanan dari kendala
berubah, maka kita tidak perlu melakukan perhitungan dari awal, melainkan cukup megkalikan
matriks invers pada keadaan optimal dengan ruas kanan semua kendala yang baru. Dari sini
diperoleh ruas kanan kolom kendala yang baru menggantikan ruas kanan kendala optimal
yang diperoleh sebelumnya. Dengan demikian nilai variabel dasar juga berubah sesuai
dengan kolom ruas kanan yang baru tersebut. Oleh karena nilai variabel berubah, maka nilai
fungsi tujuan z juga berubah.
Berikut diberikan contoh perubahan ruas kanan kendala menghasilkan kolom kendala baru
yang mengharuskan salah satu atau beberapa diantaranya yang negatif. Dengan demikian
hasil pnyelesaiannya menjadi tidak layak/mungkin. Untuk itu kita selesaikan dengan dual
simpleks.
Contoh :
Dari persoalan pada hal. 79, bahan baku A (kendala 1) berubah dari 6 ton menjadi 7 ton,
bahan baku B (kendala 2) berubah dari 8 ton menjadi 4 ton.
Ruas kanan kendala berubah menjadi :
2 / 3 1/ 3 0 0 7 10 / 3 x2
1/ 3 2 / 3 0 0 4 1 / 3 x1
1 = =
1 1 0 1 2 x5
2 / 3 1/ 3 0 1 2 4 / 3 x6
x1 = 1 / 3 z = 3 x1 + 2 x 2
x 2 = 10 / 3 z = 3 1 / 3 + 2 10 / 3 = 23 / 3
rasio : 1 / 3 = 1 / 3
1
77
x3 adalah variabel masuk
x4 tidak akan menjadi variabel masuk karena koefisien x4 pada persamaan variabel keluar
adalah negatif, sehingga jika x4 dijadikan V.D. nilai ruas kanan tetap negatif
Oleh karena tidak ada ruas kanan yang negatif dan koefisien fungsi tujuan tidak ada yang
negatif (pada persoalan memaksimalkan) maka keadaan optimal.
x1 = 1; x2 = 2; z = 7
Contoh :
Pada persoalan pada hal. 76; kendala baru : x1 4
Oleh karena pada model telah diperoleh penyelesaian x1 = 31/3; maka tambahan kendala
tersebut tidak ada pengaruhnya karena x1 = 31/3 < 4
2. Kendala baru tidak menerima penyelesaian yang ada kendala yang mengikat.
Penyelesaiannya akan menggunakan metode Dual Simpleks
Contoh :
Pada persoalan pada hal 76; kendala baru : x1 3
Kendala baru tersebut ditambahkan pada tabel simpleks, dimana sebelumnya ditambah
terlebih dahulu ke dalam bentuk standar.
x1 + x7 = 3
78
Pada tabel simpleks koefisien x1 pada kendala baru harus = 0, maka nilai x1 diganti
dengan x1 yang diperoleh dari persamaan kendala :
x1 : x1 1/3 x3 + 2/3 x4 = 10/3 x1 = 1/3 x3 - 2/3 x4 + 10/3
x1 + x7 = 3
1/3 x3 2/3 x4 + 10/3 + x7 = 3
1/3 x3 2/3 x4 + x7 = -1/3 dimasukkan ke tabel simpleks
v.d. x1 x2 x3 x4 x5 x6 x7 R.K
Z 0 0 1/3 4/3 0 0 0 38/3
x2 0 1 2/3 -1/3 0 0 0 4/3
x1 1 0 -1/3 2/3 0 0 0 10/3
x5 0 0 -1 1 1 0 0 3
x6 0 0 -2/3 1/3 0 1 0 2/3
x7 0 0 1/3 -2/3 0 0 1 -1/3 V. K.
Dengan metode dual simpleks x7 merupakan variabel keluar karena ruas kanannya negatif.
Terlihat yang dapat merupakan variabel masuk adalah x4 karena hanya koefisien V.N.D nya
pada persamaan x7 yang negatif.
Penyelesaiannya menjadi :
V.D x1 x2 x3 x4 x5 x6 x7 R.K
Z 0 0 1 0 0 0 2 12
x2 0 1 1/2 0 0 0 -1/2 3/2
x1 1 0 0 0 0 0 1 3
x5 0 0 -1/2 0 1 0 3/2 5/2
x6 0 0 -1/2 0 0 1 1/2 1/2
x4 0 0 -1/2 1 0 0 -3/2 1/2
Keadaan tersebut telah optimal karena ruas kanannya sudah tidak ada yang negatif, dan
koefisien fungsi tujuannya tidak ada yang negatif.
Nilai z disini lebih rendah dari keadaan semula. Hal ini terjadi karena x1 3 yang lebih kecil
dari yang sudah diperoleh sebelumnya x1 = 3 1/3.
79
Perubahan yang Mempengaruhi Keoptimalan
Penyelesaian yang ada menjadi tidak optimal jika koefisien pada persamaan fungsi tujuan
tidak memenuhi syarat kondisi optimal. yaitu koefisiennya ada yang berubah menjadi negatif
(pada persoalan memaksimalkan atau positif pada persoalan meminimalkan).
a ij yi c j
Koefisien tersebut dapat berubah jika koefisien aij atau cj berubah, yaitu :
1. Jika terjadi perubahan koefisien pada fungsi tujuan
2. Perubahan pada penggunaan sumber daya oleh aktivitas (perubahan koefisien dari
kendala)
1. Perubahan pada fungsi tujuan tidak mengubah optimalitas jika koefisiennya yang baru
tetap memenuhi syarat optimal.
Contoh :
Fungsi tujuan persoalan pada hal. 76 berubah menjadi
Z = 5 x1 + 4 x2
Nilai variabel dual berubah menjadi :
2 / 3 1/ 3 0 0
1/ 3 2 / 3 0 0
( y1 y2 y3 y 4 ) = (4 5 0 0 )
1 1 1 0
2 / 3 1/ 3 1
0
= (1 2 0 0 )
Dengan demikian koefisien variabel xj pada fungsi tujuan berubah menjadi :
80
Dengan demikian semua koefisien xj pada persamaan fungsi tujuan pada tabel
simpleks 0 (persoalan maksimalisasi)
Tidak mengubah syarat optimal yaitu tidak ada variable masuk
Yang berubah adalah nilai z, dimana :
z = 5 x1 + 4 x2
= 5 (10/3) + 4 (4/3) = 54/3 = 22
2. Perubahan pada fungsi tujuan yang mengubah keadaan optimal. Dimana koefisien yang
baru tidak memenuhi syarat optimal. yaitu ada koefisiennya yang berubah menjadi negatif
pada persoalan memaksimalkan atau menjadi positif pada persoalan meminimalkan.
Contoh :
= ( 2 / 3 7 / 3 0 0)
81
Dengan demikian tabel simpleks menjadi :
V.D x1 x2 x3 x4 x5 x6 R.K
Z 0 0 -2/3 7/3 0 0 44/3 rasio
4
x2 0 1 2/3 -1/3 0 0 4/3 /3/2/3 = 2
10
x1 1 0 -1/3 2/3 0 0 10/3 /3/-1/3=-10
3
x5 0 0 -1 1 1 0 3 /-1 = -3
2
x6 0 0 -2/3 1/3 0 1 2/3 /3/-2/3=-1
Z 0 1 0 2 0 0 16
x3 0 3/2 1 -1/2 0 0 2
x1 1 1/2 0 1/2 0 0 4
x5 0 3/2 0 1/2 1 0 5
x6 0 1 0 0 0 1 2
Keadaan optimal : x1 = 4
x2 = 0
z = 16
1 -1/2 0 0 2 2-1+0+0 2
Kolom x2 berubah menjadi 0 1/2 0 0 0 = 0+0+0+0 = 0
0 1 0 1 0+0+1+0 1
0 0 0 1 1 0+0+0+1 1
82
Tabel Simpleksnya menjadi :
V.D x1 x2 x3 x4 x5 x6 R.K
Z 0 -1 0 2 0 0 16
x3 0 2 1 -1/2 0 0 2 2/2=1
x1 1 0 0 1/2 0 0 4 4/0=
x5 0 1 0 1/2 1 0 5 5/1=5
x6 0 1 0 0 0 1 2 2/1 = 2
Z 0 0 1/2 7/4 0 0 17
x2 0 1 1/2 -1/4 0 0 1
x1 1 0 0 1/2 0 0 4
x5 0 0 -1/2 3/4 1 0 4
x6 0 0 -1/2 1/4 0 1 1
Dari persoalan pada hal. 79 sekarang terdapat tambahan variabel baru yaitu x7, dimana
koefisiennya pada fungsi tujuan sebesar 3/2; koefisiennya pada kendala 1; 2; 3 dan 4 berturut-
turut adalah sebesar , , -1, 0. Dengan menggunakan tabel optimal yang tertera pada hal.
79 maka penyelesaiannya :
Koefisen x7 pada fungsi tujuan : y1 + 1/y2 - y3 + 0y4 3/2
dari tabel optimal pada hal. 66 ( y1 y2 y3 y4) = ( 1/3 4/3 0 0 )
dengan demikian koefisien x7 pada fungsi tujuan = 1/2x1/3 +1/2x4/3 -0 + 0 - 3/2 = - 2/3
83
V.D x1 x2 x7 x3 x4 x5 x6 R.K
Z 0 0 -2/3 1/3 4/3 0 0 38/3 rasio
4
x2 0 1 1/6 2/3 -1/3 0 0 4/3 /3 / 1/6 = 8
10
x1 1 0 1/6 -1/3 2/3 0 0 10/3 /3 / 1/6 =20
x5 0 0 -1 -1 1 1 0 3 3 / -1 = -3
2
x6 0 0 -1/6 -2/3 1/3 0 1 2/3 /3 / -1/6 = -4
V.D x1 x2 x7 x3 x4 x5 x6 R.K
Z 0 0 0 3 0 0 0 18
x7 0 1 1 4 -2 0 0 8
x1 1 0 1/6 -1 1 0 0 2
x5 0 0 0 -3 -1 1 0 11
x6 0 0 0 0 0 0 1 2
84
MODEL TRANSPORTASI
sumber tujuan
x11: c11
a1 1 1 b1
X12: C12
a2 b2
2 2
. .
X1n: C1n
. .
. .
am bn
m n
85
ft : min z = c11 x11 + c12x12 + c1n x1n
C1 jX 1 j +
j
kendala sumber:
x11 + x12 + . . . x1n a1 X 1j a1
j
.
xm1 + xm2 + . . . xmn am Xmj a m
j
kendala tujuan:
x11 + x21 + . . . xm1 b1 Xi1 b1
i
j = 1,2, . . . n
dk: Xij a
j
i i = 1,2, . . . m
Xij b
i
j j = 1,2, . . . n
xij 0 i = 1,2, . . . m
j = 1,2, . . . n
syarat penyelesaian tersebut dengan model transportasi adalah model dalam keadaan
seimbang, yaitu :
jumlah total suplai = jumlah total permintaan
a = b
i
i
j
j
86
dengan demikian jika ai = b j maka semua suplai yang ada akan terdistribusi habis, dan
i j
semua permintaan tujuan terpenuhi. maka kendala sumber dan kendala tujuan menjadi dalam
bentuk persamaan.
dk Xij = a
j
i i = 1,2, . . . m
Xij = bj
i
j = 1,2, . . . n
a = b
i
i
j
j
xij 0 i = 1,2, . . . m
j = 1,2, . . . n
Contoh :
Sebuah perusahaan mempunyai tiga buah tempat perakitan mobil di A, B, dan C. Perusahaan
tersebut mempunyai 2 buah pusat distribusi di D dan E. Kapasitas produksi A, B, dan C untuk
periode yang akan datang adalah 1000, 1500, dan 1200 unit, sedangkan permintaan pusat
distribusi D dan E untuk periode yang akan datang adalah 2300 dan 1400 unit. Biaya
pengangkutan per unit dari A, B, dan C ke D dan E adalah seperti pada tabel.
D E
A 80 215
B 100 108
C 102 68
87
model programa linear dari persoalan tersebut :
fungsi tujuan : min z = 80x11 + 215x12 + 100x21 + 108x22 + 102x31 + 68x32
dengan kendala :
kendala sumber :
x11 + x12 = 1000
x21 + x22 = 1500
x31 + x32 = 1200
kendala tujuan :
x11 + x21 + x31 = 2300
x12 + x22 + x32 = 1400
xij 0 i = 1,2,3
j = 1,2
kita selesaikan model tersebut dengan teknik transportasi
jika kita selesaikan dengan metode simpleks maka kita membuat tabel simpleks yang jumlah
kolomnya adalah sebanyak i x j (jumlah variabel keputusan) + j (jumlah variabel buatan),
sedangkan jumlah baris kendala 1 buah baris tujuan dan i + j baris kendala
Sekarang kita tulis persoalan tersebut dengan tabel transportasi. Kita jadikan kotak yang
besar tempat variabel xij dan kotak yang kecil tempat biaya transportasi cij. Terlihat tabel
transportasi tersebut bentuknya lebih sederhana dibandingkan tabel simpleks.
Jumlah suplai:
80 215
X11 X12
1000
100 108
X21 X22
1500
102 68
X31 X32
1200
Jumlah permintaan 2300 1400
88
Kita tidak selalu mempunyai jumlah sumber yang sama dengan jumlah tujuan.
Agar kita dapat menyelesaikan dengan teknik transportasi maka model dibuat seimbang.
; Jika kelebihan suplai maka ditambahkan tujuan semu yang akan menampung
kelebihan suplai yang permintaannya = a b
i j
; Jika kekurangan suplai maka ditambahkan sumber semu yang akan menyuplai
kekurangan tersebut yang kapasitasnya = b aj i
Contoh 1.a:
Seperti halnya contoh 1 akan tetapi sumber 2 jumlah suplainya 1300 dan bukan 1500.
Contoh 1.b:
Seperti halnya contoh 1 akan tetapi tujuan 1 jumlah permintaannya 1900 dan bukan 2300.
1.a 1.b
80 215 tujuan
x11 x12 1000 semu
100 108 80 215 0
x21 x22 1300 x11 x12 x13 1000
102 68 100 108 0
x31 x32 1200 x21 x22 x23 1500
0 0 102 68 0
Sumber semu x41 x42 200 x31 x32 x33 1200
2300 1400 1900 1400 400
Sebenarnya tidak ada barang yang dikirim dari Sumber semu ke semua Tujuan atau dari
semua Sumber ke Tujuan semu. Dengan demikian biaya dari Sumber semu atau ke Tujuan
semu adalah nol, kecuali :
q Jika ada penalti atas pengiriman dari sumber semu atau pengiriman ke tujuan semu.
q Biaya tersebut dapat berupa biaya persediaan pada sumber yang mengirim ke tujuan
semu atau biaya penalti atas kekurangan suplai.
q Bila suatu tujuan tidak menghendaki kekurangan suplai, maka dari sumber semu ke tujuan
tersebut diberi biaya yang tinggi (= M) agar nantinya tidak ada barang yang dikirim dari
sumber semu ke tujuan tersebut.
q Bila suatu sumber tidak mau ada barang yang tersisa, maka biaya pengiriman dari sumber
tersebut ke tujuan semu diberi biaya yang tinggi (= M) agar tidak ada barang yang dikirim
dari sumber tersebut ke tujuan semu.
89
MODEL PRODUKSI PERSEDIAAN
Model transportasi dapat digunakan untuk memecahkan persoalan produksi-persediaan.
Contoh:
PT. X. untuk 4 bulan yang akan datang memperoleh permintaan untuk mensuplai barang
sebanyak 200, 400,30,150 unit. Oleh karena peralatan produksinya juga dipakai untuk
memproduksi barang lain, maka jumlah produksi utnuk 4 bulan yang akan datang telah
ditetapkan sebesar 100, 35, 400, 200 unit. Permintaan pada suatu bulan dapoat dipenuhi oleh:
q Produksi pada bulan tersebut
q Kelebihan produksi dari bulan sebelumnya yang disimpan sebagai persediaan.
q Produksi dari bulan berikutnya. Di sini merupakan suplai yang terlambat.
q Biaya produksi adalah $4/unit
q Biaya persediaan adalah $0.5/unit/bulan
q Biaya penalti adalah $2/unit/bulan
200 200
1 1
X21:C21
X23:C23
400 300
3 3
X24:C24
150
200 4
4
90
xij = jumlah dari i ke j = jumlah suplai bulan produksi i untuk memenuhi permintaan
bulan permintaan j
cij = biaya produksi + persediaan + penalti
4 4.5 5 5.5
x11 100
6 4 4.5 5
350
2 6 4 4.5
400
10 8 6 4
200
200 400 300 150
91
Aturan Pojok Kiri Atas
Pada metode simpleks variabel dasar (VD) ditempatkan oleh posisi kolom VD dan nilainya
dilihat/diperoleh pada kolom ruas kanan.
Pada model transportasi Kotak besar menentukan posisi variabel. VD ditunjukkan oleh angka
pada kotak dari variabel tersebut. Jika kotaknya kosong, berarti Variabel Non Dasar (VND).
Jika kotak pada baris 1 dah molom 2 mempunyai nilai misalnya 30 maka variabel yang
ditunjukkan oleh kotak tersebut adalah variabel x12 adalah variabel dasar dengan nilai = 30.
Jika kotak tersebut kosong maka variabel x12 adalah variabel non dasar dengan nilai nol.
Contoh:
10 0 20 11
x11 x12 x13 x14 15
12 7 9 20
x21 x22 x23 x24 25
0 14 16 18
x31 x32 x33 x34 5
5 15 15 10
10 0 20 11
1 5 10 15 10
12 7 9 20
5 5 15 5 25 20 5
0 14 16 18
5 5 0
5 15 15 10
5 5
92
V.D. adalah X11=5; X12=10; X22=5; X23=15; X24=5; X34=5
Variabel kotak kosong adalah V.N.D.
Nilai Z harus dihitung Z = 5.10 + 10.0 + 5.7 + 15.9 + 5.20 + 5.18 = $410
1 3 4
10 0 20 11
2 15 15
12 7 9 20
5 0 15 10 25
0 14 16 18
5 5 5
5 15 15 10
Beaarnya nilai Z dihitung sebagai berikut :
Z = 15.0 + 0.7 + 15.9 + 10.20 + 5.0 + 0. 18 = $ 335
Metode Penalti
q Pada setiap baris dan kolom diberi penalti sebesar selisih antara kotak dengan biaya
terendah dan terendah berikutnya pada baris atau kolom tersebut.
q Pilih baris/ kolom yang mempunyai penalti terbesar
q Isi barang sebanyak mungkin pada kotak dengan biaya terendah pada baris/kolom yang
dipilih.
q Coret baris/kolom yang sudah terpenuhi yang tidak dicoret atau dikurangi dengan
pengisian kotak.
q Buat penalti yang baru. kotak yang jika diisi, isinya nol tidak diperhitungkan dalam
menentukan penalti.
q Jika tinggal 1 bari/kolom yang mempunyai penalti, maka isi kotak berdasarkan urutan
biaya terendah.
93
1 2 4 Penalti
10 0 20 11
3 15 0 15 0 10 11 -
12 7 9 20
5 15 10 25 10 2 2 11
0 14 16 18
5 0 5 0 14 - -
5 15 15 10
penalti 10 7 7 7
- 7 11 9
- - - -
1. Penalti yang terbesar adalah pada baris 3, y.i. sebesar 14. Berarti baris 3 dipilih,
kemudian dicari pada baris 3 yang mempunyai biaya terendah. Dalam hal ini kotak x31
mempunyai biaya terendah. Kita isi kotak tersebut dengan barang sebanyak mungkin.
Dalam hal ini kita isi sebanyak 5.
2. Kita hitung penalti berikutnya. Biaya pada kotak dengan jika diisi barang isinya adalah
nol tidak kita perhitungkan untuk menghitung biaya. Dengan demikian pada baris 3
sekarang penaltinya adalah tidak ada, karena tidak ada yang akan dibandingkan.
Pada kolom 3 penaltinya adalah sebesar 11 karena yang dibandingkan adalah c23 dan
c13 (20-9)
3. Demikian seterusnya kita melakukan perhitungan penalti dan pengisian kotak sampai
Semua barang tersuplai habis.
Sebagai alternatif jika pada iterasi kedua yang kita pilih adalah penalti yang terbesar adalah
pada kolom 3 sebagaimana perhitungan di bawah diperoleh alokasi yang berbeda dengan nilai
Z yang lebih besar yaitu sebesar 315.
94
1 2 penalti
10 0 20 11
15 10 11 11 11
12 7 9 20
3 10 15 25 10 2 2 13 -
0 14 16 18
5 0 5 0 14 - - -
5 15 15 10
Penalti 7 7 7 9
- 7 11 9
- 7 - 9
- - - -
; Variabel non dasar yang mempunyai C pq yang palig positif adalah Variabel Masuk.
95
v1 v2 v3 v4
10 0 20 11
u1 5 10
12 7 9 20
u2 5 15 5
0 14 16 18
u3 5
x12 : u1 + v 2 = 0 x14 : C 14 = u1 + v4 11
x22 : u2 + v 2 = 7 x21 : C 21 = u2 + v1 12
x23 : u2 + v 3 = 9 x31 : C 31 = u3 + v1 0
x24 : u2 + v4 = 20 x32 : C 32 = u3 + v2 14
x34 : u3 + v4 = 18 x33 : C 33 = u3 + v3 16
untuk menghitung mulai C pq , kita harus mempunyai nilai up dan vq terdapat 6 persamaan
dengan jumlah variabel = i + j = 3 + 4 = 7.
oleh karena jumlah variabel lebih banyak dari jumlah persamaan maka kita tidak dapat
menyelesaikan persamaan tersebut. untuk itu kita tentukan saja mulai salah satu faktor
pengkali. biasanya ditentukan u1 = 0
VD : VND :
x11 : u1 + v1 = c11 = 10 v1 = 0 x13 : C 13 = 0 + 2 20 = -18
x12 : u1 + v 2 = 0 v 2 = 0 x14 : C 14 = 0 + 13 11 = +2
x22 : u2 + v 2 = 7 u 2 = 7 x21 : C 21 = 7 + 10 12 = +5
x24 : u2 + v4 = 20 v4 = 13 x32 : C 32 = 5 + 0 14 = -9
x34 : u3 + v4 = 18 u3 = 5 x33 : C 33 = 5 + 2 16 = -9
96
v1=10 v2=0 v3=2 v4=14
10 0 20 11
u1=0 5 10 -18 2
12 7 9 20
u2=7 5 5 15 5
0 14 16 18
u3=5 15 -9 -9 5
Dari hubungan Primal-Dual, koefisien fungsi tujuan dari variabel xij harus sama dengan
perbedaan ruas kiri dan ruas kanan kendala dual y berkaitan dengan variabel xij tersebut.
Koefisien xij = ui + vj - cij
97
LANGKAH 3 : PENENTUAN VARIABEL KELUAR (VK)
10 0 20 11
5 10 15
12 7 9 20
5 15 5 25
0 14 16 18
X31 5 5
5 15 15 10
x31 = Variabel Masuk
Variabel Masuk nilainya akan naik dari nol menjadi positif.Variabel Keluar adalah salah satu
dari Variabel Dasar. Variabel Keluar nilainya akan turun dari suatu nilai positif menjadi nol /
kosong.
Nilai total baris dan kolom adalah tetap (misalnya nilai total baris 1 = 15 dan kolom 4 = 10).
Jika nilai x31 naik dari nol menjadi positif
baris 3 (posisi baris X31) harus tetap 5
kolom 1 (posisi kolom X31) harus tetap 5
98
v1=10 v2=0 v3=2 v4=13
10 0 20 11
u1=0 0 15 -18 +2
12 7 9 20
u2=7 5 X21 0 15 10
0 14 16 18
u3=-10 5 -24 -24 -15
5 0 2 13
10 0 20 11
0 -5 15 -18 +2 X14
12 7 9 20
7 0 0 15 10
0 14 16 18
5 0 2 11
10 0 20 11
0 -5 5 -18 10
12 7 9 20
7 0 10 15 -2
0 14 16 18
-5 5 -19 -19 -12
Oleh karena tidak ada yang positif maka tidak ada variabel masuk sehingga keadaan
optimal
X12= 5; X14 = 10; X21 = 0;
X22 = 10; X23 = 15; X31 = 5;
Z = 5.0+10.11+0.12+10.7+15.9+5.0 = 315
99
MODEL PENUGASAN
Sejumlah mesin/ orang akan dialokasikan untuk mengerjakan sejumlah pekerjaan yang
masing-masing mempunyai biaya pengerjaan yang berbeda.
Pekerjaan
1 2 n
C11 C12 C1n
1 . . 1
C21 C22 C2n
2 . . 1
C31 C32 C3n
Mesin 3 . . 1
. . . . .
. . . . .
Cm1 Cm2 Cmn
m 1
1 1 1
Agar dapat diselesaikan dengan teknik transportasi model harus dalam keadan seimbang.
Jika pada setiap baris dan setiap kolom terdapat kotak yang biayanya nol, maka kita
tempatkan mesin yang mengerjakan pekerjaan dengan biaya nol, dengan demikian jika semua
mesin telah dialokasikan mengerjakan pekerjaan dengan biaya nol maka biaya total adalah
nol.
Pada model Penugasan dibuat model baru sedemikian rupa pada setiap baris dan kolom
terdapat sel yang biayanya nol dengan cara mengurangi biaya-biaya pada baris / kolom
dengan biaya terendah pada baris / kolom tersebut.
100
Tabel Biaya Transportasi :
1 2 n f.t min Z = CijXij
i j
1 c11 c12 c1n 1
2 c21 c22 c2n 1 d.k Xij = 1; i = 1,2,...n
j
. .
. .
Xij = 1; j = 1,2,...n
i
. . Xij = 1
n cn1 cn2 cnn 1 0
1 1 1
Agar setiap baris dan kolom terdapat sel dengan biaya nol, mk pada baris i biaya dikurangi
dengan pi (pi = biaya terendah pada baris i) dan kolom j biaya dikurangi dengan qj (biaya
terendah pada kolom j).
= CijXij p Xij q
i j i j
i
i j
j Xij
z= z - p q
i
i
j
j
Oleh karena pada model baru pada setiap baris dan kolom terdapat biaya transportasi = 0, mk
kita alokasikan setiap mesin mengerjakan pekerjaan dengan biaya nol dengan demikian
z=0.
Jadi z - p q
i
i
j
j =0 z= p + q
i
i
j
j
101
Contoh
Penugasan 3 mesin pada pekerjaan
5 12 9 p1=5
1
14 10 12 p2=10
1
15 13 16 Pp=13
1
1 1 1
Setiap baris biaya transportasinya dikurangi dengan biaya terendah pada baris tersebut dan
Setiap kolom dikurangi dengan biaya terendah pada kolom tersebut.
q3=2
0 2 2
4 0 0
2 0 1
102
; Suatu saat pada setiap baris dan setiap kolom telah terdapat sel dengan biaya nol, namun
belum dapat dialokasikan setiap mesin mengerjakan setiap pekerjaan dengan biaya nol.
; Untuk itu dilakukan pencoretan pada setiap baris dan kolom yang mempunyai biaya nol
yang lebih dari 1 buah. Tujuan kita agar semua nol dicoret. Usahakan nol tidak dicoret 2
kali.
; Kurangi semua sel yang tidak dicoret dengan angka terendah yang tidak dicoret sedangkan
sel yang dicoret 2 kali ditambah dengan angka terendah tersebut.
; Sekarang kita alokasikan setiap mesin mengerjakan pekerjaan dengan biaya nol.
; Jika masih belum dapat mengalokasikan semua mesin mengerjakan pekerjaan dengan
biaya nol, pencoretan sama dengan atas dilakukan lagi sampai semua pekerjaan oleh
mesin dengan biaya nol.
; Z= p + q
i
i
j
j di mana pi / qi termasuk angka terendah pada pencoretan diatas.
Contoh 2
Tabel biaya Penugasan
1 4 6 3 p1=1 0 3 5 2
0 3 2 2
9 7 10 9 p2=7 2 0 3 2
2 0 0 2
4 5 11 7 p3=4 0 1 7 3
0 1 4 3
8 7 8 5 p4=5 3 2 3 0
3 2 0 0
q3=3
0 2 1 1
x11 = 1; x23 = 1 ; x32 = 1; x44 = 1
z = 1 +7 +4 +4 + 5 + 3 + 1 = 21 3 0 00 2
0 00 30 2
00
4 2 0
103
MODEL TRANSSHIPMENT
Model Transportasi standar mengasumsikan bahwa rute langsung dari sumber menuju tujuan.
Kadang-kadang kita dapat mengirimkan barang dari sumber menuju tujuan melalui pelabuhan
antara. Pelabuhan antara di satu sisi merupakan pelabuhan tujuan karena dia menerima
pengiriman barang, namun juga merupakan pelabuhan pemberang-katan karena dia mengirim
barang/meneruskan pengiriman barang yang diterimanya. Untuk itu pelabuhan transshipment
kita beri persediaan penyangga untuk dapat mengirim barang dan juga meminta barang
sebanyak permintaannya (jika dia merupakan pelabuhan tujuan) di tambah sebanyak
persediaan penyangganya karena persediaan penyangganya harus tidak berubah.
Model setelah ditambahkan pelabuhan transshipment (sebagai sumber dan sebagai tujuan)
diselesaikan dengan model transportasi biasa.
Persediaan penyangga B = a = b
Contoh :
5 800
8
1000
3 5
1 3
6
4
7 6 900
1200 2 4
2 5 4 3
9
7 500
104
Terdapat dua macam sumber :
o Sumber murni jumlah suplainya adalah sebanyak kapasitasnya
o Sumber transshipment jumlah suplainya adalah sebanyak persediaan penyangga
Terdapat dua macam tujuan :
o Tujuan murni jumlah permintaan adalah sebanyak permintaan aslinya
o Tujuan transshipment Jumlah permintaannya adalah sebanyak permintaan aslinya
ditambah persediaan penyangganya karena persediaan penyangganya tidak boleh
berubah
Tujuan
Tr1 Tr 2 D1 D2 D3
3 4 M M M
P1 1000
2 5 M M M
P2 1200
0 7 8 6 M
Sumber Tr 1 B
M 0 M 4 9
Tr 2 B
M M 0 5 M
D1 B
M M M 0 3
D2 B
Tujuan
Tr1 Tr 2 D1 D2 D3
P1 1000 1000
P2 1200 1200
D1 2200 2200
105
Jika dilihat dari gambar penyelesaiannya adalah :
5 800
800
1000
1 3
400
1000
6 900
7 500
Persoalan Memaksimalkan :
Model transportasi adalah persoalan meminimalkan, di mana penentuan variabel masuk
_
adalah berdasarkan VND yang mempunyai c pq yang paling positif..
Untuk persoalan memaksimalkan maka penentuan variabel masuk adalah VND yang
_
mempunyai c pq yang paling negatif.
106
PROGRAMA INTEGER
Semua variabel keputusan dari model di atas akan mempunyai nilai riel yang non negatif,
seperti bilangan pecahan, bilangan desimal. Kadang-kadang variabel keputusan harus
mengambil nilai bilangan bulat. Misalnya jumlah pekerja, mesin dls. Jika kita membulatkan nilai
optimal yang diperoleh, penyelesaiannya belum tentu memberikan hasil yang optimal.
Contoh 1 :
Sebuah perusahaan akan membeli beberapa buah mesin dari dua macam mesin yang
berbeda. Harga mesin pertama adalah $ 1.000.000 dan mesin kedua $ 4.000.000 per unit.
Keuntungan mesin pertama adalah $ 30.000 dan mesin kedua adalah $ 130.000 per unit per
bulan. Dana yang tersedia untuk membeli mesin adalah $ 11.000.000. Berapa buah mesin
yang akan dibeli setiap jenisnya. Tujuan perusahaan tersebut adalah memaksimalkan
keuntungan setiap bulan.
Penyelesaian :
Jika kendala integer diabaikan, diperoleh hasil sebagai berikut :
107
X1 = 0
X2 = 2,75
z = 357,5
(5,1) z = 280
(0,2)
z = 260
Oleh karena variabel keputusan harus merupakan bilangan bulat, kita tetapkan X1 = 0 dan X2
= 2 (X2 = 3 adalah tidak layak), maka diperoleh Z = 260. Akan tetapi jika diteliti lebih lanjut
pada X1 = 5 dan X2 = 1 diperoleh Z = 280. Dengan demikian terlihat bahwa pembulatan hasil
variabel keputusan dapat diperoleh nilai Z yang tidak optimal. Untuk itu perlu dicari cara
penyelesaian yang memberikan hasil yang optimal.
108
Penyelesaian :
Variabel keputusan :
X1 = jumlah kapal ukuran 30 yang dibangun
X2 = jumlah kapal ukuran 20 yang dibangun
Fungsi tujuan :
Maks. Z = 6X1 + X2
Kendala :
4X1 + X2 < 6 (kebutuhan tenaga kerja)
2X1 + X2 < 4 (luas lantai)
X1; X2 > 0 dan integer
Penyelesaian :
1 ( proposal j dipilih )
Variabel : Xj =
0 ( proposal j tidak dipilh )
109
Model menjadi :
Maks. Z = 15X1 + 18X2 + 9X3 + 8X4 + 8X5
d. k. 10X1 + 14X2 + 16X3 + 8X4 + 9X5 < 50
8X1 + 11X2 + 12X3 + 9X4 + 7X5 < 40
6X1 + 8X2 + 9X3 + 7X4 + 5X5 < 30
XJ = 0 atau 1 j = 1; 2; .; 5
Model di atas disebut knapsack model. Nama tersebut berasal dari konsep seorang hiker
yang berharap membawa barangnya dalam ransel sebanyak mungkin. Setiap barang
mempunyai berat, volume dan nilai yang berbeda. Dia ingin memaksimalkan nilai barang
bawaannya tanpa melanggar berat dan isi ranselnya.
Penyelesaian :
Variabel : xij = jumlah cat (jumlah drum ukuran 100 l) yang diangkut
dari gudang I ke toko j
yij = 1 jika Xij > 0 (terdapat cat yang diangkut)
0 jika Xij = 0 (tidak ada cat yang diangkut)
110
Bentuk bersyarat di atas bukanlah bentuk yang linier perlu dijadikan linier
Bentuk di atas dapat diganti dengan bentuk :
xij Myij < 0 dengan M = bilangan positif yang besar sekali
1
yij =
0
Bukti :
xij Myij
Jika xij positif yij = 1 pos. pos. besar = negatif memenuhi
yij = 0 pos. nol = pos. tidak memenuhi
Fungsi tujuan :
Min. Z = (3800y11 + 5x11) + (2750y12 + 5x12) + (3400y13 + 5x13)
+ (2900y21 + 5x21) + (3100y22 + 5x22) + (2850y23 + 5x23)
+ (3650y31 + 5x31) + (4020y32 + 5x32) + (3840y33 + 5x33)
+ (4075y41 + 5x41) + (1920y42 + 5x42) + (3040y43 + 5x43)
Dengan kendala :
Contoh 5 :
Sebuah perusahaan memerlukan komponen X sebanyak 5000 unit untuk membuat barang Y.
komponen X tersebut adalah suatu produk yang telah distandarisasi. Semua perusahaan yang
dapat memenuhi standar yang diberikan dapat mensupali komponen tersebut. PT. A
menawarkan komponen tersebut dengan harga $ 30 per unit. PT. A saat ini mempunyai
komponen X sebanyak 2000 unit. PT. B menawarkan dengan harga $ 31 per unit untuk jumlah
pesanan sampai dengan 1500 unit, dan dengan harga $ 28 per unit untuk unit ke 1501 dst.
Jumlah persediaan komponen X dari PT. B adalah 3500 unit. PT. C menawarkan dengan
harga $ 29 per unit dengan pesanan minimum 2000 unit. Persediaan PT. C adalah sebanyak
3500 unit. Berapa jumlah komponen yang harus dipesan oleh perusahaan tersebut dari setiap
pemasok yang memberikan biaya pembelian total yang terendah. Buatlah model matematik
dari persoalan di atas.
Penyelesaian :
Gambar berikut memperlihat grafik biaya total dari pembelian komponen dari berbagai
perusahaan.
$ $ $
28
29
30 31
Variabel :
X1 = jumlah komponen yang dipesan dari PT. A
X2 = jumlah komponen yang dipesan dari PT. B
X3 = jumlah komponen yang dipesan dari PT. C
d1 = jumlah komponen yang dipesan dari PT. B dengan harga $ 31/unit
d2 = jumlah komponen yang dipesan dari PT. B dengan harga $ 28/unit
112
Fungsi Tujuan :
Min. Z = 30X1 + 31d1 + 28d2 + 29X3
Dengan kendala :
- Jumlah pembelian : X1 + d1 + d2 + X3 = 5000
- kendala suplai dari PT. A : X1 < 2000
- kendala suplai PT. B : dengan harga $ 31/unit : d1 < 1500
dengan harga $ 28/unit : d2 < 3500 1500
d2 < 2000
jika d2 = 0 maka d1 < 1500 bentuk ini tidak linier
jika d2 > 0 maka d1 = 1500 perlu dijadikan linier
Bukti :
y1 = 0 0 < d1 < 1500
0 < d2 < 0 d2 = 0
y1 = 1 1500 < d1 < 1500 d1 = 1500
0 < d2 < 2000
- Kendala suplai PT. C: dengan jumlah pembelian minimum 2000 unit dan maksimum 3500
unit dengan harga $ 29/unit
X3 = 0 atau > 2000 tidak linier harus dijadikan linier
X3 < 3500
Bentuk di atas dapat diganti dengan : 2000y2 < X3 < 3500 y2
y2 = 0 atau 1
Bukti :
y2 = 0 0 < X3 < 0 X3 = 0
y2 = 1 X3 > 2000
X3 < 3500
113
Contoh : (set covering problem)
Pada sebuah kompleks perumahan (seperti pada gambar) akan ditempatkan pos satpam
untuk mengamankan kompleks tersebut. Pos akan ditempatkan pada ujung jalan, sehingga
pos tersebut dapat mengamati jalan yang berujung pada pos tersebut. Setiap jalan
dikehendaki paling sedikit diamati oleh satu pos penjagaan. Tidak setiap ujung jalan perlu
ditempati pos satpam. Buatlah model programa integer yang meminumkan jumlah pos yang
dibangun.
1 A 2 B 3 C 4
D E F G H
5 I 6
J K
7 L 8 M 9 N 10
114
Contoh : (kendala pilihan)
Sebuah perusahaan menggunakan sebuah mesin untuk memproses tiga buah pekerjaan.
Waktu proses, waktu penyerahan, dan biaya keterlambatan per hari dari setiap pekerjaan
adalah seperti pada tabel. Waktu penyerahan diukur dari hari ke nol, yaitu waktu dimulainya
pekerjaan yang pertama kali dikerjakan. Ingin ditentukan urutan pengerjaan yang memberikan
biaya keterlambatan total yang terkecil. Buatlah model programa integer dari persoalan di atas.
Pada persoalan ini terdapat dua macam kendala, yaitu kendala yang menjamin dua pekerjaan
tidak dikerjakan secara bersamaan dan kendala waktu penyerahan.
1
yij = 0
115
dengan demikian model menjadi :
Tujuan Min. Z = 19s1 + 12s2 + 34s3
Kendala : My12 + x1 x2 > 20
M(1-y12) + x2 x1 > 5
My13 + x1 x3 > 15
M(1-y13) + x3 x1 > 5
My23 + x2 x3 > 15
M(1-y23) + x3 x2 > 20
x1 + 5 + s1 s1 = 25
x2 + 20 + s2 s2 = 22
x3 + 15 + s3 s3 = 35
xj; sj; sj > 0
Kedua model yang baru tersebut diselesaikan. Akan diperoleh hasil optimal dari kedua model
tersebut, di mana variabel keputusannya sebagian/semuanya merupakan bilangan integer.
Jika kriteria integer yang dikehendaki belum terpenuhi semuanya dilakukan pencabangan ke
arah variabel keputusan yang belum integer. Demikian seterusnya sampai semua kriteria
integer yang dikehendaki terpenuhi.
116
Contoh 6 :
Penyelesaian :
Setelah diselesaikan dengan mengabaikan ketentuan integer diperoleh hasil : x1* = 3/8;
x2* = 15/8; z* = 18/8
(tanda * menunjukkan nilai optimal)
Nilai x1 dan x2 belum integer
Pertama kali dibuat terlebih dahulu x1 menjadi integer dilakukan pencabangan
0 < x1=3/8 < 1. Ditambahkan kendala x1 < 0 untuk cabang kiri dan x1 > 1 untuk cabang kanan
pada model programa linier di atas.
P. L. 2 : P. L. 3
f. t. maks. Z = x1 + x2 f. t. maks. Z = x1 + x2
d. k. 3x1 + x2 < 3 d. k. 3x1 + x2 < 3
x1 + 3x2 < 6 x1 + 3x2 < 6
x1 < 0 x1 > 1
xj > 0 j = 1, 2 xj > 0 j = 1, 2
Dari P. L. 2 terdapat kendala x1 > 0 x1 < 0. Kedua kendala tersebut akan menghasilkan
x1 = 0 (Nilai di luar tersebut adalah tidak mungkin)
Dari P. L. 3 terdapat kendala tambahan x1 > 1 jika digabungkan dengan hasil x1 optimal pada
3
/8 (pada P.L.1) akan menghasilkan x1 = 1 optimal pada P.L. 3.
Kendala x1 < 0 dan x1 > 1 memaksa nilai x1 menjadi integer (d.h.i. 0 atau 1)
Nilai optimalnya adalah :
P. L. 2 : x1* = 0; x2* = 2; z* = 2
P. L. 3 : x1* = 1; x2* = 0; z* = 1
117
P.L. 1 x1 = 3/8
x2 = 15/8
z = 18/8
x1 < 0 x1 > 1
P.L. 2 P.L. 3
x1 = 0 x=1
x2 = 2 x2 = 0
z=2 z=1
Oleh karena kedua cabang tersebut langsung memperoleh penyelesaian yang integer,
maka dipilh cabang yang memberikan nilai fungsi tujuan yang optimal. Dengan demikian
penyelesaiannya adalah x1 = 0; x2 = 2; z = 2
Contoh 7 :
Maks. Z = 2x1 + 5x2 + 3x3
d. k. 2x1 + 2x2 + x3 < 13
3x1 - 4x2 - 2x3 > 7
xj > 0 dan integer j = 1; 2; 3
Penyelesaian :
Jika diselesaikan dengan P.L. biasa diperoleh :
x1* = 33/7; x2* = 0; x3* = 25/7; z* = 141/7
oleh karena x1 dan x2 belum integer, harus dilakukan pencabangan, akan tetapi pada cabang
yang mana.
Untuk sementara waktu ditentukan melakukan pencabangan ke variabel yang
subscriptnya yang terendah.
Dengan cara ini diperoleh pohon seperti pada gambar 14.5. Pada gambar tersebut
hanya diberikan pecabangan ke arah kiri saja.
Pada gambar 14.6 diberikan pencabangan seperti pada gambar 14.5 namun di sini tidak
diberikan hasil optimasinya. Gambar 14.7 memperlihatkan semua cabang yang lengkap.
Terlihat tidak semua cabang memberikan penyelesaian yang layak (titik 8, 9 dan 10). Dengan
membandingkan semua hasil yang integer, diperoleh keadaan optimal pada titik 11 dengan
nilai Z* = 19.
118
Hasil perhitungan titik 11 adalah :
X1* = 5; X2* = 0
X3* = 3; Z* = 19
Pada gambar 14.8 dilakukan pencabangan ke arah kiri dan kanan. Dari sana terlihat pada
cabang kiri belum semua variabelnya integer dengan nilai Z = 31/2 sedangkan pada cabang
kanan semua variabel telah integer dengan nilai Z = 19. Oleh karena nilai cabang kanan lebih
besar dibandingkan cabang kiri, tidak perlu dilakukan pencabangan lebih lanjut pada arah
bawah cabang kiri tersebut karena dipastikan akan diperoleh cabang dengan nilai Z yang lebih
rendah. Dengan demikian jika telah diperoleh pada suatu cabang kriteria integernya telah
terpenuhi sedangkan cabang lainnya mempunyai nilai Z lebih rendah maka pencabangan
dihentikan dan kondisi optimal adalah yang telah diperoleh.
x1* = 4, x2* = 0
x3* = 5/2, z* = 31/2
x3 < 2 x3 > 3
x2 < 0 x2 > 1
x1* = 4, x2* = 0
x3* = 2, z* = 14
Gambar 14.5
119
1
x1 < 4 x1 > 5
2
x3 < 2 x1 > 3
3
x2 < 0 x2 > 1
gambar 14.6
x1 < 4 x1 > 5
2 11 integer z*=19
x3 < 2 x 3 > 3
3 10 tak layak
x2 < 0 x2 > 1
integer z*=14 4 5
x3 < 0 x3 > 1
6 9 tak layak
x2 < 1 x2 > 2
7 8
integer z*=13 tak layak
gambar 14.7
120
x1* = 33/7, x2* = 0
x3* = 25/7, z* = 141/7
x1 < 4 x1 > 5
Gambar 14.8
Selesaikan persoalan
sebagai persoalan P. L.
Stop. Ambil
Dapatkah penyelesaian
pencabangan ditutup? terbaik
sebagai
Penyels. P. I.
gambar 14.9
121
PROGRAMA MATEMATIK MULTI TUJUAN
Programa linier yang kita bahas sebelumnya mempunyai tujuan tunggal, baik persoalan
memaksimalkan maupun persoalan meminimalkan.
Pengambil keputusan sering menghadapi persoalan dengan tujuan lebih dari satu, baik yang
sejalan maupun yang bertentangan. Misalnya meminimalkan biaya kesehatan di satu pihak
sedangkan di lain pihak ingin memaksimalkan kualitas pelayanan kesehatan.
Untuk membahas programa matematik multi tujuan, dibahas secara bertahap.
Contoh 1
Sebuah perusahaan akan mengalokasikan dana iklan sebesar $ 100.000 pada media TV dan
radio untuk setiap $ 1000 biaya iklan akan menarik peminat sebanyak 10.000 orang pada iklan
di TV dan 7500 orang di radio. Pimpinan menetapkan tidak lebih 70% dana dialokasikan pada
TV. Tentukan alokasi yang memaksimalkan peminat!
Sekarang persoalannya adalah target tujuan dari pimpinan yaitu jumlah peminat sebanyak
1.000.000 orang.
Dengan demikian kendala tujuan adalah: 10.000 X1 + 7.500 X2 1.000.000
Jika kita lakukan penyelesaian pada persoalan ini tidak diperoleh penyelesaian yang layak.
Persoalan sekarang adalah tujuan dari pimpinan adalah jumlah peminat yang diraih sebanyak
1.000.000. Dengan demikian fungsi tujuannya menjadi meminimalkan penyimpangan
penyimpangan tujuan.
Fungsi tujuan :
min Z = 0 X1 + 0 X2 + d- + d+
atau:
min Z = d- + d+
122
dengan kendala :
- kendala sistem: X1 + X2 100
X1 70
- +
- kendala tujuan : 10.000 X1 + 7.500 X2 + d - d = 1.000.000
X1, X2, d- , d+ 0
di sini selain variabel keputusan terdapat variabel baru yaitu variabel penyimpangan, dengan :
-
d = variabel penyimpangan kurang dari tujuan
+
d = variabel penyimpangan lebih dari tujuan
Kedua variabel tersebut berfungsi sebagai variabel slack dan variabel surplus, yang sama-
sama ada pada kendala tujuan.
Jika X1 dan X2 dipilih sedemikian rupa diperoleh peminat kurang dari 1.000.000, d- mewakili
jumlah kekurangan peminat dari 1.000.000, dan jika X1 dan X2 dipilih sedemikian rupa
diperoleh peminat lebih dari 1.000.000, d+ mewakili jumlah kelebihan peminat dari 1.000.000.
Jika kita ingin target tujuan tepat 1.000.000, maka nilai kedua variabel penyimpangan tersebut
= nol. Pada persoalan programa tujuan, fungsi tujuan selalu meminimalkan dan hanya terdiri
dari variabel penyimpangan.
Jika kelebihan pencapaian tujuan dapat diterima, maka hanya terdapat variabel d- pada fungsi
tujuan (sedangkan pada kendala tujuan, kedua variabel tersebut harus terdapat pada
kendala), dengan demikian kita ingin meminimalkan kekurangan pencapaian tujuan.
Sebaliknya jika kekurangan pencapaian tujuan dapat diterima, maka hanya terdapat variabel
d+ pada fungsi tujuan, dengan demikian kita ingin meminimalkan kelebihan dari pencapaian
tujuan.
Pada programa linier dengan tujuan tunggal tidak terdapat priorotas pada fungsi tujuan. Pada
pembahasan berikut, di mana terdapat tujuan lebih dari satu maka pada fungsi tujuannya kita
beri faktor priorotas pada fungsi tujuannya.
123
Contoh 2 :
Dari contoh sebelumnya, lebih lanjut pimpinan menetapkan iklan tersebut tidak sukses jika
peminat kurang dari 750.000 dan dikatakan sukses jika peminat lebih dari 1.000.000.
Pimpinan menetapkan tujuan berikut disusun berdasarkan urutan prioritasnya:
- Meminimumkan kekurangan pencapaian dari 750.000
- Menghindari pengeluaran biaya lebih dari $100.000
- Menghindari pengeluaran lebih dari $70.000 pada TV
- Meminimumkan kekurangan pencapaian dari 1.000.000
Penyelesaian :
Tujuan 1 dan 4 secara bertingkat mengatakan bahwa pimpinan mempunyai prioritas utama
pencapaian tidak kurang dari 750.000,sedangkan prioritas terakhir pimpinan tidak menyukai
pencapaian kurang dari 1.000.000.
Model:
Fungsi tujuan :
min Z = P1d1- + P2d2+ + P3d3+ + P4d4-
dengan kendala :
- kendala tujuan :
10.000 X1 + 7.500 X2 + d1- - d1+ = 750.000
- +
X1 + X2 + d2 - d2 = 100
- +
X2 + d3 - d3 = 70
10.000 X1 + 7.500 X2 + d4- - d4+ = 1.000.000
- + - +
X1, X2, d1 , d1 , d2 , d2 , d4 +
0
Pk = prioritas tujuan j=1; 2 ; 3 ;4 P1 >>> P2 >>> P3 >>> P4
Contoh 3 :
Dari persoalan sebelumnya pimpinan berpendapat 2 kelompok umur peminat merupakan
kelompok yang penting yaitu kelompok 18 s/d 21 tahun dan 25 s/d 30 tahun. Tabel berikut
memperlihatkan jumlah peminat yang ditarik oleh $1.000 iklan pada setiap kelompok umur.
Pimpinan menetapkan untuk kedua kelompok umur tersebut paling sedikit 250.000 dan
keduanya berada pada prioritas kelima, namun kelompok umur 25 s/d 30 tahun bobotnya 2
kali kelompok umur 18 s.d. 21 tahun.
Umur TV Radio
18 21 th 2.500 3.000
25 30 th 3.000 1.500
124
Model:
f.t. min Z = P1d1- + P2d2+ + P3d3+ + P4d4 - + P5d5- + 2P5d6-
d.k. 10.000 X1 + 7.500 X2 + d1- - d2+ = 750.000
- +
X1 + X2 + d2 - d2 = 100
X1 + d3- - d3+ = 70
10.000 X1 + 7.500 X2 + d4- - d4+ = 1.000.000
- +
2.500 X1 + 3000 X2 + d5 - d5 = 250.000
- +
3.000 X1 + 1.500 X2 + d6 - d6 = 250.000
X1, X2, d1- , d1+ , d6- , d6+ 0
Contoh 4
Sebuah perusahaan mobill akan menempatkan pesanan 4 macam komponen pada 4 buah
perusahaan. Tabel berikut memperlihatkan harga yang ditawarkan dan jumlah permintaan
setiap komponen tersebut. Setiap komponen tidak perlu dibeli dari hanya satu pemasok.
125
Dalam menempatkan pesanan, pimpinan menetapkan tujuan dengan urutan kepentingan
sebagai berikut:
- Meminimumkan jumlah kontrak kepada semua pemasok lebih dari $3,5 juta
- Meminimumkan jumlah pesanan pada pemasok 4 kurang dari $500.000
- Meminimumkan jumlah pesanan pada setiap pemasok lebih dari $1,2 juta
- Oleh karena hubungan yang baik dengan pemasok 1, meminimumkan pesanan kurang
dari $1 juta
Kendala tujuan:
- Kelebihan order dari $3,5 juta:
25 X11 + 28 X12 + .+ 42 X44 + d1- - d1+ = 3,5 juta
- Order pada pemasok 4 kurang dari $500.000
30 X14 + 82 X24 + 42 X44 + d2- - d2+ = 500.000
- Order pada setiap pemasok lebih dari $1,2 juta
25 X11 + 30 X31 + 40 X41 + d3- - d3+ = 1,2 juta
28 X12 + 80 X22 + 28 X32 + d4- - d4+ = 1,2 juta
75 X23 + 33 X33 + d5- - d5+ = 1,2 juta
30 X14 + 82 X24 + 42 X44 + d6- - d6+ = 1,2 juta
- Hubungan baik dengan pemasok 1:
25 X11 + 30 X31 + 40 X41 + d7- - d7+ = 1,0 juta
126
fungsi tujuan :
min Z = P1d1+ + P2d2- + P3[ d3+ + d4+ + d5+ + d6+ ] + P4d7-
fungsi tujuan :
min Z = P1d1+ + P2d2- + P3 [ d3+ + d4+ + d5+ + d6+ ] + P4d7-
dengan kendala :
- Kendala sistem :
Kendala permintaan komponen :
Komp. 1 : X11 + X12 + X14 =15.000
Komp. 2 : X22 + X23 + X24 =30.000
Komp. 3 : X31 + X32 +X33 =10.000
Komp. 4 : X41+ X44 =20.000
Kendala persediaan perusahaan :
X41 18.000
X12 30.000
X24 15.000
X44 5.000
- Kendala Tujuan :
127
Contoh 5 :
Sebuah perguruan tinggi akan menerima sejumlah mahasiswa untuk tahun yang akan datang
pada programa studi A, B, dan C yang berasal dari negara bagian tersebut dan dari luar
negara bagian. Setiap program studi mempunyai kuota masing-masing sebesar 1500, 400,
dan 200 mahasiswa baru. Perguruan tinggi tersebut mempunyai tujuan jumlah mahsiswa yang
diterima 2000 orang. Perguruan tinggi tersebut mempunyai target 25% mahasiswa berasal dari
luar negara bagian, dari 75% dari dalam negara bagian. Lebih lanjut perguruan tingggi
tersebut berharap 40% mahasiswa adalah perempuan dan 1300 mahasiswa akan tinggal di
asrama. Tabel 1 menunjukkan persentase rata-rata jenis kelamin dari mahasiswa dari negara
bagian dan luar negara bagian yang tinggal di asrama. Bagian pendaftaran menentukan batas
maksimum mahasiswa pada berbagai program studi yang terdiri dari berbagai asal dan jenis
kelamin untuk memenuhi kebutuhan minimum penerimaan seperti pada tabel 2.
Tujuan dari perguran tinggi tersebut disusun menurut urutan prioritasnya sbb :
- Menerima mahasiswa baru tepat 2000 orang
- Menerima mahasiswa sesuai dengan kuotanya dengan urutan prioritas penerimaan A,B,& C
- Meminimumkan kekurangan pencapaian mahasiswa dari negara bagian dari 75 %
- Meminimumkan kelebihan pencapaian mahasiswa dari luar negara bagian dari 40 %
- Meminimumkan kekurangan penerimaan mahasiswa dari 1300 orang tinggal di asrama
- Meminimumkan kekurangan penerimaan mahasiswa perempuan dari 40%
- Membatasi kelebihan penerimaan tinggal di asrama sebanyak 50 orang
128
Variabel : Xijk i = 1,2 j = 1,2 k = 1,2,3
i = jenis kelamin j = asal negara bagian k = programa studi
Fungsi Tujuan :
min Z = P1[d1-+d2+] + 3P2[d3-+d3+] + 2P2[d4--d4+] + P2[d2--d2+] + P3d5- + P4 d6+
+ P5d7- + P6d8- + P7d9+
dengan kendala :
- Kendala sistem:
X111 800 X121 300 X211 400 X221 150
X112 400 X122 100 X212 100 X222 50
X113 200 X123 50 X213 10 X223 5
Kendala Tujuan:
X111 + X112 + X113 + X211 + X212 + X213 + X121 + X122 + X123 +
X221 + X222 + X223 + d1- - d1+ = 2000
X111 + X211 + X121 + X221 + d2- - d2+ = 1500
X112 + X212 + X122 + X222 + d3- - d3+ = 400
X113 + X213 + X123 + X223 + d4- - d4+ = 200
X111 + X112 + X113 + X211 + X212 + X213 + d5- - d5+ = 0.75 (X111 + + X223) atau
0.25X111 + 0.25X112 + 0.25X113 + 0.25X211 + 0.25X212 + 0.25X213
0.75X121 0.75X122 0.75X123 0.75X221 0.75X222 0.75X223 + d5- - d5+ = 0
X121 + X122 + X123 + X221 + X222 + X223 + d6- - d6+ = 0.25(X111 + + X223) atau
- 0.25X111 - 0.25X112 - 0.25X113 - 0.25X211 - 0.25X212 - 0.25X213 +
+ 0.75X121 + 0.75X122 + 0.75X123 + 0.75X221 + 0.75X222 + 0.75X223 + d6- - d6+ = 0
0.5X111 + 0.5X112 + 0.5X113 + 0.6X211 + 0.6X212 + 0.6X213 + 0.8X121 +
0.8X122 + 0.8X123 + 0.95X221 +0.95X222 + 0.95X223 + d7- - d7+ = 1300
X211+X212+X213 + X221 + X222 + X223 + d8- - d8+= 0.40(X111 + + X223) atau
- 0.40X111 - 0.40X112 - 0.40X113 + 0.60X211 + 0.60X212 + 0.60X213 - 0.40X121-
0.40X122 - 0.40X123 + 0.60 X221 + 0.60X222 + 0.60 X223 + d8- - d8+ = 0
d7+ + d8- - d9+ = 0
Xijk 0 i=1,2 j=1,2 k=1,2,3
dl- ; dl+ 0 i=1,2,9
129
Contoh 6 :
Ahli gizi pada sebuah sekolah merencanakan menu makan siang untuk besok hari. Tabel 9-5
berikut adalah daftar makanan dan harganya serta berbagai data nutrisi. Ahli gizi tersebut
menentukan untuk menyajikan paling sedikit satu macam makanan dari setiap grup makanan.
Tepat satu macam dari grup daging dan grup minuman. Makanan yang hanya dapat lebih dari
1 (dan makanan yang diikutsertakan dalam seluruh penyajian) adalah keju dan roti. Kebutuhan
lain dalam perencanaan adalah paling sedikit 30% dari kebutuhan harian minimum (minimum
daily allowance/MDA) dari Calcium dan Vitamin.
Dalam menentukan berapa banyak setiap jenis makanan diikutsertakan dalam sajian makan
ahli gizi menentukan tujuan dngan urutan priortas sebagai berikut:
- Meminimumkan kelebihan biaya total dari $0,8
- Meminimumkan kekurangan jumlah protein 50% dari MDA
- Meminimumkan kelebihan jumlah lemaki dari 25 gram
- Meminimumkan kekurangan pottasium dari 400 mg
- Meminimumkan kelebihan jumlah sodium dari 350 mg
130
Cost/ Protein Fat Minerals Vitamins(mG)
Food Measur Measur Calori (gram) (gram Calciu Potassiu Sodium B1 B2 Niacin
e e es m m
Dairy :
1. Whole milk 1 cup $ 0.15 165 8 10 385 52.5 19 0.08 .425 0.2
2. Ice cream 1 cup 0.25 300 6 18 175 170 140 0.18 .30 0.3
3. Cheese 1 cube 0.05 70 4 6 133 30 180 0 .10 0
Meat :
4. Lean ground beef 3 oz. 0.45 185 24 10 10 340 110 0 0 5.3
5. Broiled chicken 3 oz. 0.22 185 23 9 10 250 50 0 0.1 7
6. Baked flounder 3.5 oz. 0.60 200 30 8 22 585 235 0 0 2.5
Vegetables
7. Frenchfried potatoes 10 pcs 0.10 155 1 7 9 510 6 0 0 1.8
8. Green beans 1 cup 0.35 25 1 0 45 204 2 0 0.1 0.6
9. Carrots, cooked 1 cup 0.30 45 1 0 38 600 75 0 0 0.7
Fruit :
10. Apple juice 1 cup 0.18 125 0 0 15 200 5 0 0 0
11. Banana 1 0.12 85 1 0 8 390 1 0.1 0 0.7
12. Orange juice, fresh 8 oz. 0.40 112 2 0 27 500 2 0.2 0 1
Grain :
13. Bread, whole wheat 1 slice 0.05 55 2 1 23 40 144 0.25 0 0.7
14. Noodles 1 cup 0.04 200 7 2 16 0 0 0 0 0.7
15. Pizza, cheese 1 slice 0.20 180 8 6 157 96 525 0 0.1 0.8
Minimum daily allowance 2400 70 - 800 - - 1.0 1.6 17
(MDA)
131
Variabel : 1 makanan j dipilih j = 1, 2, 4, 5, .., 12
Xj =
0 makanan j tidak dipilih
X3; X13 > 0 dan integer; dk-; dk+ > 0 k = 1;2; .; 5
Kendala :
Kendala sistem :
1) X1+X2+X3 >1
2) X4+X5+X6 =1
3) X7+X8+X9 >1
4) X10+X11+X12 >1
5) X13+X14+X15 >1
6) X1 + X10 + X12 =1
7) 385X1 + 175X2 + 10X4 + 10X5 + 22X6 + 9X7 + 45X8 + 38X9 + 15X10 +
8X11 + 27X12 + 23X13 + 16X14 + 157X15 > 240
8) 0.08X1 + 0.18X2 + 0.1X11 + 0.2X12 + 0.05X13 > 0.3
9) 425X1 + 0.3X2 + 0.1X3 + 0.1X5 + 0.1X8 + 0.1X15 > 0.48
10) 0.2X1+0.3X2+5.3X4+7X5+2.5X6+1.8X7+0.6X8+0.7X9+0.7X11+X12+
0.7X13 + 0.7X14 + 0.8X15 > 5.1
Kendala tujuan :
11) 0.15X1+0.25X2+0.05X3+0.45X4+0.22X5+0.6X6+0.1X7+0.35X8+0.2X9+
0.18X10 + 0.12X11 + 0.4X12 + 0.05X13 + 0.04X14 + 0.2X15 + d1- - d1+ = 0.8
12) 8X1+6X2+4X3+24X4+23X5+30X6+X7+X8+X8+X9+2X12+
2X13+7X14+8X15 + d2- - d2 + = 35
13) 10X1+ 8X2+6X3+10X4+9X5+8X6+7X7+X13+2X14+6X15 + d3- - d3+ = 25
14) 52.5X1+170X2+30X3+340X4+350X5+585X6+510X7+204X8+
600X9+200X10+390X11+500X12+40X13+96X15+ d4- - d4+ = 400
15) 19X1+140X2+180X3+110X4+50X5+235X6+6X7+2X8+75X9+
5X10+X11+2X12+144X13+525X15 + d5- - d5+ = 350
Terdapat 10 kendala system dan 5 kendala tujuan. Kendala 1-5 menjamin paling sedikit 1
jenis makanan yang dipilih, sedangkan kendala 2 menjamin hanya 1 dari keduanya
dipilih. Kendala 6 menjamin hanya satu jenis minuman yang dipilih. Kendala 7 s/d 10
adalah kendala jumlah minimum dari kalsium dan vitamin, sedangkan kendala 11-15
adalah kendala tujuan.
132
PENYELESAIAN PERSOALAN PROGRAMA TUJUAN :
Penyelesaian secara grafis :
Contoh 7 :
Model Programa Tujuan :
Min Z = p1 d1- + P2 d2 - + P3 d3 -
Kendala sistem :
2X1 + 3X2 30
6X1 + 4X2 60
Kendala tujuan :
X1 + X2 + d1- - d1+ = 10
X2 + d2- - d2+ = 7
X1 + d3- - d3+ = 8
X1, X2, d1-, d1+ , d2-, d2+ , d3-,d3+ 0
Penyelesaian :
Pertama dicari bidang penyelesaian dari kendala sistem
Kemudian dimasukkan kendala tujuan , lalu dicari bidang penyelesaian dari kendala
tujuan tersebut berurutan menurut skala prioritasnya
- Gambar a menggambarkan daerah penyelesaian dari kendala sistem.yaitu bidang
yang berwarna gelap.
- Pada gambar b kendala tujuan ditambahkan pada gambar a. Tanda panah yang
menuju titik A (0,0) menunjukkan daerah penyimpangan kurang dari, sedangkan
tanda panah yang menjauhi titik A menunjukkan daerah penyimpangan lebih dari.
- Gambar c menunjukkan tujuan prioritas pertama yaitu meminimumkan d1-
dimasukkan ke daerah penyelesaian. Disini nilai d1- pada garis persamaan X1+X2 =
10 adalah nol. Dengan demikian bidang yang berwarna lebih gelap adalah bidang
penyelesaian yang baru.
- Gambar d kendala tujuan prioritas kedua dimasukkan yaitu meminimumkan d2-,
dengan demikian diperoleh bidang penyelesaian ABC.
- Gambar e kendala tujuan prioritas ketiga dimasukkan, yaitu meminimumkan d3-.
Pada gambar ini terlihat d3- tidak dapat nol. D3- paling kecil diperoleh pada titik C
Dengan demikian titik C dalah titik optimal, dimana pada titik tersebut d3- terkecil yang
dapat diperoleh.
133
134
135
Contoh 8 :
Dari contoh 2 pada hal. 3 modelnya :
f. t. min Z = P1d1- + P2d2+ + P3d3+ + P4d4-
d. k. 10.000 X1 + 7.500 X2 + d1- - d1+ = 750.000
- +
X1 + X2 + d2 - d2 = 100
- +
X2 + d3 - d3 = 70
- +
10.000 X1 + 7.500 X2 + d4 - d4 = 1.000.000
- + - +
X1, X2, d1 , d1 , d2 , d2 , d4 +
0
Pk = prioritas tujuan j=1; 2 ; 3 ;4 P1 >>> P2 >>> P3 >>> P4
136
Penyelesaian dengan metode simpleks :
Pada model programa linear jika variabel lebih dari 2 buah persoalan harus diperoleh
dengan metode simpleks, demikian juga pada programa tujuan. Di sini bobot prioritas
diberi angka, di mana P1>>>P2>>>P3 . . . >>>Pn
Jika pada model terdapat kendala dengan hubungan = dan > , maka pada fungsi tujuan
terdapat penalti sebesar M x variable buatan. Disini M >>> P1. Setelah itu diselesaikan
dengan metode simpleks.
137