OPERATIONS RESEARCH

Operations Research adalah suatu ilmu yang mempelajari tentang bagaimana

menentukan suatu tindakan terbaik dalam suatu keterbatasan sumber daya.

Sumber daya : uang, tenaga kerja, waktu dls.

Tindakan terbaik : kondisi optimal

Pendekatan: dalam pengambilan keputusan dapat berbentuk :

- Kuantitatif
- Art (seni) : - persepsi
- pengalaman
- kepandaian

Dalam O. R. pengambilan keputusan dengan memodelkan persoalan.

Model yang dipakai bersifat kuantitatif / matematik

Model : merupakan representasi dari sistem nyata/transformasi dari dunia nyata

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 Tujuan : memaksimalkan / meminimalkan

Z = f {X1, X2, .......... , Xn}

Keterbatasan sumber . Kendala

Kendala : gi = f i {X1, X2,.Xn} i = 1; 2; .. m

Xj > 0 j = 1; 2; ..n

Model fungsi dari variabel keputusan

Fungsi : - linier
- non linier : kuadratik; eksponensial; dls.

Tahapan-tahapan penyelesaian model O. R. :

1) Mendefinisikan masalah : - tujuan

- alternatif tindakan

- kendala

2) Membentuk model

3) Mencari solusi masalah

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.

Pembuatan model Programa 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 :

ton bahan baku per ton Ketersediaan

Cat luar Cat dalam per hari (ton)
Bahan baku M1 6 4 24
Bahan baku M2 1 2 6
Keuntungan /ton $ 5000 $ 4000

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.

Model Programa linier terdiri dari tiga elemen :

1. Variabel keputusan, yaitu apa yang ingin dicari oleh model.

2. Tujuan, yaitu apa yang ingin dioptimalkan
3. Kendala, yaitu apa yang harus dipenuhi

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

- Bahan baku M1 : 6X1 + 4X2 < 24

- Bahan baku M2 : X1 + 2X2 < 6

- 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

Dengan demikian model matematis dari persoalan di atas :

f. t. maks. Z = 5X1 + 4X2

d. k. 6X1 + 4X2 < 24
X1 + 2X2 < 6
- X1 + X 2 < 1
X2 < 2
X1; X2 > 0

Semua penyelesaian yang memenuhi kendala adalah penyelesaian yang

layak/mungkin. Misalnya X1 = 3 ton, X2 = l ton, maka pemakaian bahan baku M1 adalah
22 ton yang masih memenuhi kendala yaitu < 24 ton. Nilai fungsi tujuan adalah Z $
19.000, demikian juga untuk kendala-kendala lainnya.

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

Untuk menggambarkan bidang penyelesaian yang layak (yang memenuhi batasan-

batasan) pertama kita jadikan kendala pertidak-samaan menjadi persamaan. garis
persamaannya merupakan batas kendala, digambarkan seperti di atas.

Kita masukkan nilai koordinat titik A (0,0) ke dalam persamaan-persamaan tersebut.

Daerah yang memenuhi syarat setiap kendala ditunjukkan oleh garis dan tanda panah.
Sebagai contoh : Garis (1) adalah 6X1 + 4X2 = 24. Kita masukkan koordinat titik A (0,0)
ke dalam persamaan (1), akan diperoleh 6.0 + 4.0 = 0 yang lebih kecil dari 24; dengan
demikian titik-titik pada bidang dari garis (1) ke arah titik A (seperti yang ditunjukkan oleh
anak panah) memberikan nilai yang lebih kecil dari 24.

Gabungan dari keenam kendala . tersebut memberikan bidang ABCDEFA yang

merupakan bidang penyelesaian yang layak. Dengan demikian semua titik yang
berada pada bidang tersebut memenuhi keenam kendala tersebut.

6
 fungsi tujuan adalah Z = 5X l + 4 X2

Pada saat garis Z melalui :

titik (0,0) Z=0
titik (1,0) Z=5
Z=10 Z=15 titik (2,0) Z = 10
Z= 5 titik (3,0) Z = 15
Z=0

(0,0) 1,0) (2,0) (3,0)

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.

Lb. Per lb. Bahan baku Harga

Bahan baku Protein Serat ($/lb.)

Jagung 0,09 0,02 0,30
Kacang kedelai 0,60 0,06 0,90

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

Penyelesaian model secara grafis

Dengan demikian model adalah :

Min. Z = 0,30X1+ 0,90X2

d.k. X1 + X2 > 800
0,21X1 0,30X2 < 0
0,03X1 0,01X2 < 0
X1; X2 > 0

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.

B 1/unit 3/unit 1/unit Barang 1

a
h
a 2/unit 4/unit Barang 2
n

b 1/unit 2/unit Barang 3

a
k
u Operasi 1 Operasi 2 Operasi 3

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

0.00 4.00 8.00 12.00 16.00 20.00 24.00 4.00 8.00

X1 X3 X5 X1
X2 X4 X6

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 :

Pesanan Lebar yang diminta () Jumlah rol yang diminta (rol)

1 5 150
2 7 200
3 9 300

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. :

- Ukuran 5': 0X1 + 2X2 + 2X3 + 4X4 + IX5 + 0X6 150 = Y1

- Ukuran 7': 1X1 + 1X2 + 0X3 + 0X4 + 2X5 + 0X6 200 = Y2
- Ukuran 9': 1Xl + 0X2 + lX3 + 0X4 + 0X5 + 2X6 300 = Y3

jumlah produksi jumlah jumlah

permintaan rol sisa

Variabel : Yi = jumlah rol sisa ukuran i i = 1; 2; 3

Jika panjang kertas pada setiap rol L :

- Luas kertas yang tidak terpakai karena terlalu pendek :

[4X1 +3X2 + X3 + 0X4 + X5 + 2X6]L
- Luas kertas yang tidak terpakai karena terlalu banyak :
[5Y1 + 7Y2 + 9Y3]L

Dengan demikian luas kertas total yang terbuang :

[4X1 +3X2 + X3 + 0X4 + X5 + 2X6]L + [5YI + 7Y2 + 9Y3]L

Tujuan kita adalah meminimalkan luas kertas yang terbuang :

f t. min. Z = [4X1 +3X2 + X3 + X5 + 2X6]L + [5Y1 + 7Y2 + 9Y3]L

oleh karena L adalah konstanta dapat dihilangkan

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.

Kapasitas Kecepatan produksi (unit/jam)

Departemen yng. tersedia Komponen 1 Komponen 2 Komponen 3
(jam/minggu)
1 200 8 5 10
2 160 6 12 4

Penyelesaian :
Variabel : Xij = jumlah jam produksi yang disediakan untuk membuat
komponen i pada departemen j i = 1,2,3 j = 1,2

Jumlah komponen yang dihasilkan :

komponen l : 8X11 + 6X12
komponen 2 : 5X21 + 12X22
komponen 3 : 10X31 + 4X32

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.

Maks. Z = min. {1/2(8X11 + 6X12);(5X21 + 12X22);1/3(10X31 + 4X32)}

Fungsi di atas tidak linier, perlu dijadikan linier.

Jumlah barang yang diproduksi = Y = {1/2(8X11+6X12);(5X21+12X22);1/3(10X31+4X32)}

Dengan demikian fungsi tujuan menjadi :

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

Dengan demikian model menjadi :

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

persoalan tersebut juga dapat diselesaikan dengan variabel berbeda dengan

penyelesaian di atas, di mana pada persoalan di atas variabel adalah besar jam yang
dialokasikan untuk membuat barang i pada departemen j, di bawah ini yang dijadikan
variabel adalah jumlah komponen i yang dibuat pada departemen j sebagai berikut :

Variabel : Xij = jumlah komponen i yang dibuat pada departemen j i = 1,2,3 j = 1,2

Jumlah komponen yang dihasilkan :

komponen l : X11 + X12
komponen 2 : X21 + X22
komponen 3 : X31 + X32

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.

Maks. Z = min. {1/2(X11 + X12);(X21 + X22);1/3(X31 + X32)}

Fungsi di atas tidak linier, perlu dijadikan linier.

Jumlah barang yang diproduksi = Y = {1/2(X11+X12);(X21+X22);1/3(X31+X32)}

Dengan demikian fungsi tujuan menjadi :

Maks. Z = Y

Jumlah barang jadi yang dapat dibuat > jumlah barang jadi.
dari setiap jenis komponen yang dibuat

1/2(X11 + X12) > Y

(X21 + X22) > Y
1/3(X31 + X32) > Y

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

Dengan demikian model menjadi :

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.

Kec. Produksi (unit/jam)

Mesin Barang 1 Barang 2
1 5 6
2 4 8
Keuntungan/unit $6 $4

Model ini sama dengan contoh 1 kecuali di sini terdapat lembur, yang mengakibatkan
adanya biaya tambahan / berkurangnya keuntungan.

Variabel : Xj = jumlahproduksi barang j j=1;2

Jika tidak ada lembur kendala dapat ditulis :
1/5X1 + 1/6X2 < 8 (mesin 1)
1/4X2 + 1/8X2 < 8 (mesin 2)
Dengan adanya lembur kendala menjadi :
1/5X1 + 1/6X2 - Y1 = 8
1/4X1 + 1/7X2 - Y2 = 8
di mana Y1 dan Y2 adalah variabel yang merupakan jam lembur atau kelebihan jam
produksi. Yl dan Y2 tersebut adalah variabel yang tak terbatas pada tanda.
Jika Yi positif Yi merupakan jam lembur
Jika Yi negatif Yi merupakan kelebihan jam produksi dan
berarti tidak ada lembur.

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))

keuntungan biaya lembur

Dengan kendala:
1/5X1 + 1/6X2 - Yl =8
1/4Xl + 1/8X2 - Y2 = 8
Y1 <4
Y2 < 4
X1; X2 > 0 dan Y1; Y2 tidak terbatas pada tanda

Model tersebut fungsi tujuannya tidak linier perlu dijadikan linier.

Wi = maks. (0,,Yi)
Wi = maks(0,Yi) dapat ditulis menjadi
Wi > Yi
Wi > 0

Model menjadi :

f.t. maks. Z = 6X1 + 4X2 - 5WI - 5W2

d. k. 1/5X1 + 1/6X2 Y1 =8
1/4Xl + 1/8X2 Y2 =8
Y1 <4
Y2 <4
Y1 - W1 <0
Y2 - W2 < 0
X1; X2; W1; W2 > 0 dan Y1; Y2 tidak terbatas pada tanda

Persoalan tersebut juga dapat diselesaikan sbb. :

Variabel : Xj = jumlah produksi barang j j=1;2
Jika tidak ada lembur kendala dapat ditulis :
1/5X1 + 1/6X2 < 8 (mesin 1)
1/4X2 + 1/8X2 < 8 (mesin 2)

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

Dengan demikian biaya lembur = 5 x (Y1+ + Y2+)

Model:
f.t. maks. Z = 6X1 + 4X2 5 x (Y1+ + Y2+)

keuntungan biaya lembur

Dengan kendala:
1/5X1 + 1/6X2 + Y1- - Y1+ =8
- +
1/4X1 + 1/7X2 + Y2 - Y2 = 8
Y1+ <4
+
Y2 < 4
X1; X2; Y1+; Y2+; Y1- ; Y2- > 0

Contoh 6. Kebijaksanaan pinjaman bank

Bank X mempertimbangkan kebijaksanaan pinjaman dana 12 juta pada berbagai jenis
pinjaman. Tabel berikut adalah data dari berbagai jenis pinjaman tsb.

Jenis pinjaman Tingkat suku Kemungkinan pinjaman

bunga tidak tertagih
Pribadi 0.140 0.10
Kendaraan 0.130 0.07
Perumahan 0.120 0.03
Pertanian 0.125 0.05
Perdagangan 0.100 0.02

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

setelah disederhanakan diperoleh :

maks. Z = 0.026X l + 0.0509X2 + 0.0864X3 + 0.06875X4 + 0.078X5

Kendala

1) Dana total : X1 + X2 + X3 + X4 + X5 < 12

2) Pinjaman pertanian dan perdagangan : X4 + X5 > 0.4 x l2
X4 + X5 > 4.8
3) Pinjaman perumahan : X3 > 0.5(X1 + X2 + X3)
X1 + X2 X3 < 0
4) Batasan pinjaman yang tak tertagih :
0.1X1 + 0.07X2 + 0.03X3 + 0.05X4 + 0.02X5
-------------------------------------------------------- < 0.04
X1 + X2 + X3 + X4 + X5

0.06X1 + 0.03X2 - 0.01X3 + 0.01X4 - 0.02X5 > 0

5) Kendala non negatif : Xj > 0 j = 1, 2 , , 5

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.

Waktu produksi per unit (jam) Kapasitas

Departemen Produk 1 Produk 2 Produk 3 Produk 4 (jam)
1 0,30 0,30 0,25 0,15 1000
2 0,25 0,35 0,30 0,10 1000
3 0,45 0,50 0,40 0,22 1000
4 0,15 0,15 0,10 0,05 1000
Permintaan (unit) 800 750 600 500
Keuntungan ($/unit) 30 40 20 10
Penalti ($/unit) 25 20 10 8

Penyelesaian :
Variabel : xj = jumlah produk j yang dibuat, j = 1, 2, 3, 4

Perusahaan paling banyak memproduksi sebanyak permintaan :

x1 < 800; x2 < 750; x3 < 600; x4 < 500

Pendapatan bersih = Total keuntungan total penalti

Terdapat variabel baru yaitu jumlah produk yang tidak tersuplai;

sj = jumlah produk j yang tidak tersuplai, j = 1, 2, 3, 4

Dalam hal ini kendala permintaan di atas berubah menjadi :

x1 + s1 = 800; x2 + s2 = 750; x3 + s3 = 600; x4 + s4 = 500

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

Dengan demikian model menjadi :

f. t. maks. z = 30x1 + 40x2 + 20x3 + 10x4 15s1 20s2 10s3 8s4
0,30x1 + 0,30x2 + 0,25x3 + 0,15x4 < 1000
0,25x1 + 0,35x2 + 0,30x3 + 0,10x4 < 1000
0,45x1 + 0,50x2 + 0,40x3 + 0,22x4 < 1000
0,15x1 + 0,15x2 + 0,10x3 + 0,05x4 < 1000
x1 + s1 = 800
x2 + s2 = 750
x3 + s3 = 600
x4 + s4 = 500
x j; s j > 0 j = 1, 2, 3, 4

Contoh 8 : Model Produksi-Persediaan periode jamak

Sebuah perusahaan mempunyai kontrak untuk mensuplai barang X untuk 6 bulan yang
akan datang berturut-turut sebesar 100, 250, 190, 140, 220, dan 110 unit. Biaya produksi
dari bulan ke bulan berbeda, tergantung pada biaya tenaga kerja, material dls. Biaya
pada bulan-bulan tersebut diperkirakan sebesr $ 50, $ 45, $ 55, $ 48, $ 52, dan $ 50.
Untuk memanfaatkan perbedaan tersebut perusahaan dapat memproduksi lebih pada
saat biaya rendah untuk disimpan sebagai persediaan dan dipakai pada periode
berikutnya pada saat biaya tinggi, namun timbul biaya persediaan sebesar $ 2 per unit
per bulan. Buatlah model programa linier yang meminimalkan biaya total.

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)

Jadi fungsi tujuan adalah :

min. Z = 50x1 + 45x2 + 55x3 + 48x4 + 52x5 + 50x6 + 2(I1 + I2 + I3 + I4 + I5 + I6)

Aliran dari produksi persediaan dan permintaan dapat digambarkan sbb.

x1 x2 x3 x4 x5 x6
I0 = 0 I1 I2 I3 I4 I5 I6

100 250 190 140 220 110

Gambar : skema dari sistem produksi-persediaan

Dari gambar diperoleh keseimbangan antara produksi, persediaan dan permintaan :

Persediaan awal + Jumlah produksi Jumlah permintaan = Persediaan akhir
Persediaan awal + Jumlah produksi Persediaan akhir = Jumlah permintaan

Dengan demikian terdapat hubungan kendala :

In-1+ xn In = Dn
Dn = Jumlah permintaan pada bulan n
Diperoleh :
Bulan 1 : x1 I1 = 100
2 I1 + x2 I2 = 250
3 I2 + x3 I3 = 190
4 I3 + x4 I4 = 140
5 I4 + x5 I5 = 20
6 I5 + x6 I6 = 110

Dengan demikian model menjadi :

min. Z = 50x1 + 45x2 + 55x3 + 48x4 + 52x5 + 50x6 + 2(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

Contoh 9 : Persoalan kilang minyak

Sebuah perusahaan yang memproduksi bahan bakar mempunyai kilang di A yang
kapasitas produksinya adalah 1.500.000 bbl. Minya mentah per hari. Produk akhir dari
kilang tersebut adalah bensin jenis 1, 2 dan 3 yang masing-2 bensin biasa dengan angka
oktan 87, bensin premium dengan angka oktan 89 dan bensin super dengan angka
oktan 92. Kilang tersebut memproses minyak mentah dalam tiga tahap. Pertama pada
unit distilasi yang menghasilkan bensin dengan angka oktan 82 pada tingkat 0,2 bbl. per
bbl minyak mentah. Kedua pada unit pemecah yang menghasilkan bensin dengan angka
oktan 98. dengan menggunkan sebagian bensin yang dihasilkan pada unit distilasi pada
tingkat 0,5 bbl. Bensin angka oktan 98 untuk setiap bbl bensin angka oktan 82. Ketiga
pada unit pencampur, dengan mencampur bensin dengan angka oktan 82 yang berasal
dari unit distilasi dan bensin dengan angka oktan 98 yang berasal dari unit pemecah.
Perusahaan memperkirakan keuntungan bensin biasa adalah $ 6,70 bensin premium
adalah $ 7,20 dan bensin super adalah 8,10. kapasitas unit pemecah adalah 200.000 bbl
bensin angka oktan 82 per hari. Batas permintaan bensin biasa adalah 50.000 bbl,
bensin premium adalah 30.000 bbl, dan bensin super adalah 40.000 bbl per hari. Buatlah
model Programa Linier yang memekasimalkan keuntungan total.

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

= (x11 + x21) + (x11 + x21) + (x13 + x23) bbl per hari

x11 + x12 + x13

x11+x21 bensin biasa
angka oktan 87

5:1 2:1 Unit x12+x22 bensin premium

pencampur angka oktan 89

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 :

Fungsi Tujuan : maks. Z = 6,7(x11 + x21) + 7,2(x12 + x22) + 8,1(x13 + x23)

Kendala dari persoalan ini adalah :

1. jumlah suplai tidak lebih dari 1.500.000 bbl per hari :

5(x11 + x12 + x13) + 10(x21 + x22 + x23 ) < 1.500.000
2. input unit pemecah tidak lebih dari 200.000 bbl per hari
2(x21 + x22 + x23 ) < 200.000

25
 3. permintaan bensin biasa paling banyak 50.000 bbl per hari
x11 + x21 < 50.000

4. permintaan bensin premium paling banyak 30.000 bbl per hari

x12 + x22 < 30.000
5. permintaan bensin super paling banyak 40.000 bbl per hari
x13 + x23 < 40.000
6. angka oktan bensin biasa paling sedikit adalah 87
angka oktan rata-rata : 82x11 + 98x21 > 87
x11 + x21
7. angka oktan bensin premium paling sedikit adalah 89
angka oktan rata-rata : 82x12 + 98x22 > 89
x12 + x22
8. angka oktan bensin super paling rendah adalah 92
angka oktan rata-rata : 82x13 + 98x23 > 92
x13 + x23

Dengan demikian model menjadi :

Fungsi Tujuan : maks. Z = 6,7(x11 + x21) + 7,2(x12 + x22) + 8,1(x13 + x23)
5(x11 + x12 + x13) + 10(x21 + x22 + x23 ) < 1.500.000
2(x21 + x22 + x23 ) < 200.000
x11 + x21 < 50.000
x12 + x22 < 30.000
x13 + x23 < 40.000
82x11 + 98x21 > 87(x11 + x21)
82x12 + 98x22 > 89(x12 + x22)
82x13 + 98x23 > 92x13 + x23)
Xij > 0 i = 1, 2
J = 1, 2, 3

ANALISA KEPEKAAN SECARA GRAFIS

Analisa kepekaan merupakan suatu analisa terhadap penyelesaian optimal yang telah
diperoleh sebelumnya.

Pada pembahasan di sini analisa kepekaan secara grafis ini ditinjau dari :

1) perubahan koefisien fungsi tujuan

2) perubahan ruas kanan kendala

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

Bentuk umum fungsi tujuan maks./min. Z = Cl X l + C2X2

Jika ditulis dalam bentuk y = aX + b X2 = - C1/C2X l + Z/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

Berapa kisaran C1 jika C2 tetap = 4

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 :

Perubahan nilai Z dari titik D sampai titik G

Yi = ----------------------------------------------------------
Perubahan nilai M l dari titik D smpai titik G

30 18
Dengan demikian nilai Y1 = = 3/4
36 20

Dengan cara yang sama diperoleh :

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

Bentuk standar dari Model Programa Linier:

Penyelesaian model programa linier secara. aIjabar disebut metode simpleks. Untuk itu
model harus dibuat dalam bentuk standar.

Karakteristik model standar:

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 :

maks. z = 5x1 - 2x2 - 3x3

secara matematis adalah sama dengan:
min (-z) = -5x1 + 2x2 + 3x3

min. z = 3x1 5x2 + x3

secara matematis adalah sama dengan :
maks. (-z) = - 3x1 + 5x2 x3

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

untuk itu x1 diganti dengan x1' x1 dengan x1; x1 > 0

dengan demikian model menjadi:

min. z = 2x1' - 2x1+ 3x2

d.k. x1 - x1 + x2 = 10
2x1' - 2x1 - 3x2 - s2 = 5
7x1' - 7x1 - 4x2 + s3 = 6
x1; x1; x2; s2; s3 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

Bentuk standarnya adalah :

fungsi Tujuan Maks. z = 2x1 + 3x2 + 4x3 + 5x4
Dengan kendala : x1 + 3x2 2x3 + 4x4 + s1 = 20
2x1 + 4x2 + 2x3 + 3x4 + s2 = 10
5x1 - 3x2 + 2x3 + 2x4 + s3 = 30
x j; s i > 0 j = 1, 2, 3, 4; i = 1, 2, 3

32
Contoh :
Model Programa Linier :

Fungsi Tujuan : Min. Z = 3X1 + 2X2 + 4X3 + 2X4

Dengan kendala :
4X1 + 3X2 + 3X3 + 5X4 < 40
X1 + 2X2 + 2X3 + 3X4 < 35
X1 + X2 + X3 + X4 > 5
3X1 + X2 + 3X3 + 2X4 > 10
X1; X2; X3; > 0; X4 tidak terbatas pada tanda

Bentuk Standar dari persoalan di atas adalah :

Variabel X4 tidak terbatas pada tanda diganti dengan X4 = X4 X4

X4; X4 > 0

Semua variabel X4 diganti dan pada kendala ditambahkan variabel Slack atatu dikurangi
variabel Surplus

Fungsi Tujuan : Min. Z = 3X1 + 2X2 + 4X3 + 2X4 + 2X4

Dengan kendala :
4X1 + 3X2 + 3X3 + 5X4 + 5X4 + S1 = 40
X1 + 2X2 + 2X3 + 3X4 + 3X4 + S2 = 35
X1 + X2 + X3 + X4 + X4 - S3 =5
3X1 + X2 + 3X3 + 2X4 + 2X4 - S4 = 0
X1; X2; X3; X4 > 0;

(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

Dalam bentuk matriks :

f.t. maks./min. Z = CX
d. k. A.X = B
X>0;B>0

Dengan : A = matriks (m.n) = matriks koefisien

X = vektor kolom (n.1) = vektor keputusan
B = vektor kolom (m.1) = vektor kendala
C = vektor baris (1.n) = vektor keuntungan/biaya

C = ( c1 c2 . . . . . cn)

a11 a122 . . . . . . . . aln x1 b1

a21 a22 . . . . . . . . .a2n x2 b2
A= . X= . B= .
. . .
a31 a32 . . . . . . . . .a3n xn bm

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

Akan diperoleh nilai Z pada titik-titik sudut tsb. sbb. :

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

maks. z = 5x1 + 4x2

z 5x1 4x2 + 0s1 + 0s2 + 0s3 + 0s4 = 0
6x1 + 4x2 + sl = 24
x1 + 2x2 + s2 =6
- xi + x2 + s3 =1
x2 + s4 = 2
x1; x2; s1; s2; s3; s4 > 0

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. :

Titik Variabel.non dasar Variabel dasar Nilai

A x1 ; x2 s1 ; s2 ; s3 ; s4 0

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).

Langkah 0 : Dengan menggunakan bentuk standar kita tentukan penyelesaian

dasar awal yang layak dengan menentukan (n-m) buah variabel non dasar yang
nilainya nol.
Kita buat tabel simpleks (dari bentuk standar tsb. di atas). Secara grafis kita tentukan
variabel x1 dan x2 adalah variabel non dasar (0,0) yaitu x1 dan x2 = 0 sebagai variabel non
dasar awal. Dari sini kita peroleh nilai variabel dasar s1, s2, s3 dan s4. Pada metode
simpleks di mana variabel keputusan lebih dari dua buah, kita tidak dapat membuat
grafisnya (karena sumbu kita terlalu banyak), untuk itu kita cari ciri-ciri variabel non dasar

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

Bentuk standar dari persoalan tersebut :

Fungsi tujuan :
Maks. Z = 3X1 + 5X2
Dengan kendala :
X1 + S1 =4
2X2 + S2 = 12
3X1 + 2X2 + S3 = 18
X1; X2; S1; S2; S3 > 0

Tabel simpleks dari persoalan di atas :

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

PENYELESAIAN AWAL DENGAN VARIABEL BUATAN

Jika kendala merupakan persamaan atau dengan tanda kita tidak mempunyai suatu
penyelesaian awal yang layak dan siap memulai penyelesaian.

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.

Kedua hal di atas bertentangan dengan ketentuan penyelesaian dengan metode

simpleks. Untuk itu perlu dilakukan dengan coba-coba yang akan memakan waktu yang
lama. Di samping itu tidak sesuai dengan perhitungan dengan komputer.
Dikembangkan metode untuk memudahkan penyelesaian.
Pada kendala dengan tanda = dan > ditambahkan variabel buatan sebagai alat bantu
untuk memulai penyelesaian awal yang nilainya akan sama dengan nol pada akhir
penyelesaian. Dengan adanya variabel buatan ini akan diperoleh variabel dasar awal.

Terdapat dua cara penyelesaian :

- Teknik M
- Teknik dua fase

Teknik M (Metode Penalti)

- Pada kendala dengan tanda = dan > kita tambahkan variabel buatan.
- Pada fungsi tujuan kita berikan penalti sebesar M x variabel buatan (untuk persoalan
meminimalkan), di mana M adalah bilangan yang besar sekali. Pada akhir
penyelesaian penalti tersebut tidak ada artinya karena nilai variabel buatan = 0

Untuk persoalan meminimalkan penalti adalah sebesar

M x variabel buatan
Untuk persoalan memaksimalkan penaltinya adalah sebesar
- M x variabel buatan

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

Kita peroleh fungsi tujuan

z = 4x1 + x2 + M(3 3x1 - x2) + M(6 - 4x1 3x2 + x3)
z + (- 4 + 7M)x1 + (-1+ 4M)x2 - Mx3 = 9M

Selanjutnya persoalan tersebut diselesaikan dengan metode simpleks secara biasa, di

mana untuk persoalan meminimalkan variabel masuk adalah V.N.D. yang memunyai
koefisien yang paling negatif.

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 :

Model primal standar:

maks Z = 5X1 + 12X2 + 4X3 + 0X4 - MR
d.k. X1 + 2X2 + X3 + X4 + 0R = 10
2X1 X2 + 3X3 + 0X4 + R = 8
X1, X2, X3, X4; R 0

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

Dari penyelesaian pada tabel simpleks di atas diperoleh hasil :

X1 = 26/5 X2 = 12/5 Z = 54 4/5

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.

Contoh : penyelesaian degenerasi yang optimal

f.t maks z = 3x1 + 9x2
d.k. x1 + 4x2 8
x1 +2x2 4
x1; x2 > 0
tabel simpleks dari persoalan tersebut:

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

dari tabel simpleks di atas diperoleh penyelesaian :

X1 = 0
X2 = 2
Z = 18

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

Contoh : penyelesaian degenerasi sementara

f t. maks. z = 3x1 + 2x2
d.k. 4x1 + 3x2 < l2
4x1+ x2 < 8
4x1 - x2 < 8
x1; x2 0

Persoalan tersebut jika diselesaikan secara grafis adalah seperti pada gambar :

Penyelesaian optimal
4x1 +x2 =8 yg tidak degenerasi
4x1 - x2 =8

4x1 +3x2 =12

Penyelesaian degenerasi z=3x1+2x2

yang tidak optimal

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

Pada iterasi 1 terjadi degenerasi namun belum optimal

Pada iterasi 2 kondisi optimal namun sekarang tidak ada variabel dasar yang nilainya nol.

Penyelesaian optimal alternatif :

Jika fungsi tujuan sejajar dengan sebuah kendala yang mengikat terdapat lebih dari satu
penyelesaian optimal

Contoh: maks. z = 2x1 + 4x2

x1 + 2x2 4
d. k x1 +2x2 < 5
x1 + x2 < 4
B
x1; x2 > 0 Z=2x1 + 4x2
Peny. dasar yg optimal
C

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 :

x1 = (0) + (1- ) (3) = 3 3

x2 = (5/2) + (1- ) (1) = 1 + 3/2
Dengan menentukan nilai tertentu kita dapat memperoleh nilai koordinat titik P. Atau
kita tentukan salah satu nilai x1 (atau x2) akan diperoleh nilai , dengan demikian nilai x2
(atau x1) diperoleh.

PENYELESAIAN TANPA BATAS

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

Contoh : f.t. maks. z = 6x1- x2

d. k. 2x1 - x2 < 2
x1 <4
x1; x2 > 0

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

TIDAK ADA PENYELESAIAN YANG LAYAK/MUNGKIN

f.t. maks. z = 3x1 +2x2

dk 2x1 + x2 < 2
3x1 + 4x2 > 12

Secara grafis penyelesaiannya adalah seperti di bawah ini :

Setelah semua daerah yang tidak memenuhi

syarat dibuang, maka tidak terdapat daerah
yang memenuhi syarat. Berarti tidak ada
penyelesaian yang layak.

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.

INTERPRETASI TABEL SIMPLEKS - ANALISA KEPEKAAN

Dari tabel simpleks yang optimal akan diperoleh :
1) Penyelesaian yang optimal
2) Status dari sumber
3) Nilai per unit dari sumber
4) Kepekaan dari penyelesaian optimal terhadap
; tersedianya sumber
; koefisien dari fungsi tujuan
; pemakaian sumber oleh kegiatan

Persoalan Pabrik cat

maks. z = 5x1 + 4x2

d.k. 6x1 + 4x2 + s1 = 24 (b.b. M1)

x1 + 2x2 + s2 =6 (b.b. M2)
- x1 + x2 + s3 =1 (permintaan)
x2 + s4 = 2 (permintaan)
x1; x2; s1; s2; s3; s4 > 0

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

PENYELESAIAN YANG OPTIMAL :

Nilai variabel dasar dapat dilihat pada kolom ruas kanan. Variabel yang tidak disebut
pada kolom variabel dasar berarti adalah variabel non dasar yang nilainya nol.
Dengan demikian penyelesaian adalah :
x1 = 3 ; x2 = 3/2 ; z = 21

STATUS SUMBER :
Status dari sumber ditunjukkan oleh nilai variabel slack :

Sumber Slack Status

q Raw Material M1 s1 = 0 terbatas
q Raw Material M2 s2 = 0 terbatas
5
q Batas pada kelebihan cat s3 = berlebih
2
dalam terhadap cat luar
1
q Batas pada permintaan cat dalam s4 = berlebih
2

NILAI UNIT DARI SUMBER :

Nilai per unit dari sumber yang dibahas pada bab yang lalu :
y1 = 3/4; y2 = ; y3 = 0; y4 = 0. Nilai tersebut dapat dilihat dari koefisien dari variabel
dasar awal pada fungsi tujuan yang optimal.
Koefisien variabel slack pada fungsi tujuan : s1 = , s2 = , s3 = 0, s4 = 0

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

Kesimpulan turunnya sumber 1 akan menurunkan nilai Z sebesar $3/4 ribu/ton.

Kebalikannya naiknya sumber 1 (ekuivalen dengan s1 < 0) akan menaikkan
nilai Z sebesar $ 3/4 ribu/ton.

PERUBAHAN YANG MAKSIMUM PADA KEUNTUNGAN / BIAYA MARGIN

Keuntungan marginal 5 5+1

Z = ( 5 + 1 ) x1 + 4x2

Dengan masuknya nilai 1 persamaan fungsi tujuan menjadi :

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:

3/4 + 1/4 1 0 (1) 1> - 3

- 3 1 1
1/2 - 1/2 1 0 (2) 1 < 1
.berarti koefisien x1 (keuntungan dari cat luar):
paling kecil 5 + 1 = 6
paling besar 5 - 3 = 2
Tanpa mengubah titik optimal yaitu
memproduksi cat luar 3 ton dan cat dalam 3/2 ton.

55
 DUALITAS DAN ANALISA KEPEKAAN

MODEL DUAL
Setiap persoalan progama linier mempunyai suatu persoalan kedua yang saling
berhubungan.

Persoalan pertama : Model Primal

Persoalan kedua : Model Dual

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.

Bentuk standar dari primal :

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

Kendala dual ke j Koef.Tujuan dual

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 :

Fungsi tujuan dari Model Dual

Model primal standar fungsi tujuan Kendala Variabel
Maksimalisasi Minimalisasi > Tak terbatas pada tanda
Minimalisasi Maksimalisasi < Tak terbatas pada tanda

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

Model primal standar: maks Z = 5X1 + 12X2 + 4X3 + 0X4 - MR

d.k. X1 + 2X2 + X3 + X4 + 0R = 10 Y1
2X1 X2 + 3X3 + 0X4 + R = 8 Y2
X1, X2, X3, X4 0 ; R 0

Model Dual : min W = 10Y1 + 8 Y2

dk X1 : Y1 + 2Y2 5
X2 : 2Y1 - Y2 12
X3 : Y1 + 3Y2 4
X4 : Y1 + 0Y2 0 Y1 0
R : 0Y1 + Y2 - M Y2 - M
Y1 dan Y2 tak terbatas pada tanda

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 Primal standar : :

min. Z = 5X1 2X2 + 0X3 + 0X4
d. .k X1 X2 + X3 = 3
2X1 + 3X2 + X4 = 5
X1, X2, X3, X4 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

Model Primal standar :

x1 = x1 x1 di mana x1 , x1 0
maks. z = 5x15x1+6x2+0x3+0x4-MR1 - MR2
d.k. x1 x1+2x2 + R1 = 5 y1
x1+ x1 +5x2 - x3 +R2 = 3 y2
4x14x1 +7x2+ x4 = 8 y3
x1; x1; x2; x3; x4; R1; R2 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.

Bentuk standar model Primal :

x3 = x3 x3 di mana x3, x3 0
f. t. Min. Z = 6x1 + 3x2 + 4x3 4x3 + 0x4+0x5+MR1+MR2+0x6
d. k. 6x1 3x2 + 2x3 2x3 x4 + R1 =4
3x1 + 4x2 + 3x3 3x3 - x5 + R2 =8
2x1 + 2x2 + 5x3 + 5x3 + x6 = 30
X1; x2; x3; x3 > 0

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)

HUBUNGAN ANTARA PRIMAL DAN DUAL

Contoh 3.1 1
Tabel simpleks dari soal 3.1-1 untuk model primal dan model dualnya dapat dilihat
pada tabel 3 3 dan 3 4

Hasil penyelesaian model dualnya :

W = 54 4/5
29
Y1 = /5
Y2 = Y2 Y2 = 0 2/5 = 2/5

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

Tabel 3-3 : Tabel simpleks model primal dari contoh 3.1-1

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

Pada tabel 3 3 variabel awal adalah X4 dan R, sedangkan koefisien variabel

tersebut pada persamaan fungsi tujuan yang optimal adalah 29 /5 dan
2/5 + M

Kendala dual yang berhubungan dengan X4 dan R adalah Y1 0 dan Y2 -M.

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)

Dengan menggunakan persamaan di atas :

29
/5 = Y1 0 Y1 = 29/5
-2/5 + M = y2 (-M) Y2 = -2/5

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.

Penyelesaian Primal dan Dual mengungkapkan dua hal yang menarik :

1. Pada iterasi optimal : maks. z = min. w = 54 4/5
2. Pada persoalan memaksimalkan (tabel 3.3) nilai fungsi tujuan mulai dari
z = - 8M bertambah besar sampai nilai optimal z = 544/5 dicapai.
Sebaliknya pada persoalan minimalisasi (tabel 34) nilai tujuan dimulai pada W
= 21M berakhir pada W = 544/5 yang optimal.

Persamaan Memaksimalisasi Persamaan Meminimalisasi

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)

Dari hal di atas dapat disimpulkan :

1) Pada keadaan penyelesaian yang fleksibel

Nilai Objektif (tujuan) < Nilai Tujuan dari

Dari persoalan maks Persoalan Min

2) Pada Keadaan Optimal :

Nilai Tujuan dari Persoalan Nilai Tujuan dari Persoalan
=
Maksimalisasi 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.

Tinjauan ulang perkalian vektor dan matriks :

Vektor Baris V = (v1,v2,..vm)

p1
p2
Vektor kolom P = .
.
.
pn

a11 a12 . . . a1n

a21 a22 . . . a2n
Matriks A = .
.
am1 am2 . . . amn

a11 a12 . . . a1n

vxA= v1 v 2 . . . v m a21 a22 . . . a2n
.
.
am1 am2 . . . amn

m m m
= Vi a Vi a
i =1
i1
i =1
iz ... Vi a
i =1
in

a11 a12 . . . a1n n

AxP= a21 a22 . . . a2n p1 = a ij pj

.
p2 j =1
n
.
.
. a 2j pj
am1 am2 . . . amn j =1
.
pn .
n

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

kolom kendala kolom ruas kanan

Gambar di atas mewakili tabel simpleks pada setiap iterasi

baris atas koefisien persamaan fungsi tujuan ;
kolom-kolom kolom koefisien kendala.
Matriks yang terletak di bawah variabel dasar awal disebut inverse matrix (matriks
invers) dan letaknya selalu sebagaimana gambar di atas. Dengan matriks inverse, semua
elemen dari tabel dapat dihitung dari inverse tersebut dan koefisien model semula.

Sebagaimana yang diketahui analisa kepekaan berhubungan dengan perubahan

koefisien dari model semula (model asal). Tujuannya adalah memeriksa apakah
perubahan tersebut akan mempengaruhi optimalitas atau kelayakan dari penyelesaian
optimal.
Dengan menggunakan matriks invers dari model yang optimal yang telah diperoleh
bersama dengan koefisien baru kita dapat mengetahui apakah optimalitas atau
kelayakan dari penyelesaian yang berlaku terpengaruh.

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.

Perhitungan Kolom Kendala

Pada setiap iterasi simpleks (primal ataupun dual), elemen dari kolom kiri atau kanan dari
kendala dihitung dari

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

Nilai tersebut sama dengan nilai pada tabel 3.3

2)
Kolom ruas kanan Matriks invers Kolom ruas kanan pada
pada iterasi ke-2 = pada iterasi ke-2 model awal

3/7 - 1/7 10 22/7

= 1/7 2/7 x 5 = 26/7

Perhitungan Baris dan Tujuan

Pada setiap iterasi simpleks dari model primal koefisien persamaan fungsi tujuan dari
variabel xj dihitung dari:
Koefisien xj pada Ruas kiri ruas kanan dari kendala
persamaan fungsi tujuan = dual yang berkaitan dengan variabel xj

Dari hal di atas untuk persoalan 3.1.1:

Koefisien x1 pada persamaan z = y1 + 2y2 5
Koefisien x2 pada persamaan z = y1 y2 12
Koefisien x3 pada persamaan z = y1 + 3y2 4
Koefisien x4 pada persamaan z = y1 0
Koefisien R pada persamaan z = y2 (M) = y2 + M

66
Untuk menghitung nilai koefisien tersebut diperlukan nilai variabel dual Y1 dan Y2.
Nilai variabel dual berubah pada setiap iterasi.

Nilai variabel dual dihitung dengan formula:

Koefisien variabel dasar (yang ada Matriks invers

y1 y2 . . . ym = pada iterasi i) pada f.t. awal x
pada iterasi i

Untuk persoalan 3.1.1 dari tabel 3.3

Iterasi ke Variabel dasar Koefisien Variabel Dasar pada persaman f.t
0 X4 dan R 0 dan M
1 X4 dan X3 0 dan 4
2 X2 dan X3 12 dan 4
3 X2 dan X1 12 dan 5

Dengan demikian nilai variabel dual pada iterasi 3:

y1 y2 = 12 4 X 2/5 - 1/5 = 29/5 - 2/5

1/5 2/5
jadi y1= 29/5; y2= -2/5

Dengan demikian koefisien xj pada persamaan f.t adalah:

Koefisien x1 : y1 + 2y2 - 5 = 29/5 + 2(-2/5) - 5 = 0
x2 : 2y1 - y2 - 12 = 2.29/5 - (-2/5) - 12 = 0
x3 : y1 + 3y2 - 4 = 29/5 + 3(-2/5) - 4 = 3/5
x4 : y1 - 0 = 29/5 - 0 = 0
R : y2 + M = -2/5 + M

3.4 Interpretasi Ekonomi dari Dualitas

1. Pada keadaan optimal:

Nilai tujuan dari Nilai tujuan dari

model primal = model awal
2. Pada setiap iterasi pada model primal:

Koefisien variabel Xj Ruas kiri ruas kanan dari kendala dual

pada persamaan tujuan = yang berkaitan dengan variabel Xj

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

Model Primal di atas kita pandang sebagai berikut :

Koefisien Cj mewakili keuntungan per unit kegiatan j
Ketersediaan sumber i adalah sebanyak bi dialokasikan dengan tingkat aij unit
sumber i per unit output kegiatan j

Interpretasi Ekonomi dari Variabel Dual

Pada keadaan memaksimalkan Z adalah keuntungan dengan satuan $, sedangkan bi
adalah jumlah dari sumber i (unit) dengan demikian satuan Yi adalah $/unit.
Variabel dual Yi mewakili nilai perunit dari sumber i

Nilai variabel dual dapat digunakan untuk menentukan tingkat dari sumber sesuai dengan
kontribusinya pada nilai tujuan.

Dari persoalan 3.1.1: nilai y1=29/5; y2= -2/5

Jadi untuk menaikkan nilai z, sumber pertama yang dapat ditingkatkan, sebaliknya
sumber kedua nilainya harus diturunkan untuk menaikkan nilai z
Seandainya sumber pertama dinaikkan sebesar 1 kita dapat menghitung nilai terbesar
1 sebagai berikut:

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.

Pada keadaan belum optimal berlaku:

Z<W
Keuntungan < Nilai dari sumber

Pertidaksamaan tersebut mengatakan jumlah pengembalian dari semua kegiatan lebih

rendah dari nilai sumber penyelesaian dari primal dan dual tidak dapat optimal.
Optimalitas (pengembalian yang maksimal) tercapai hanya ketika sumber yang
digunakan sepenuhnya, yang dapat terjadi hanya ketika input (nilai dari sumber) sama
dengan output (keuntungan).
Dalam istilah ekonomi sistem dalam keadaan tetap tidak stabil (tidak optimal) ketika input
(nilai dari sumber) melebihi output (pengembalian) stabilitas tercapai keika kedua
besaran tersebut sama.

Interpretasi Ekonomi Dari Kendala Dual

Kendala dual dapat diinterpretasikan menggunakan hubungan :
m

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.

Kondisi optimalitas memaksimalkan dari metode simpleks mengatakan kenaikan

pada kegiatan non-dasar (yang tidak digunakan) dapat meningkatkan keuntungan hanya
jika koefisien fungsi tujuannya negatif.
Biaya yang berkaitan dari sumber keuntungan per unit
yang digunakan per unit kegiatan j <= dari 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).

Dari contoh 2.1.1.:

Model primal: Model dual
f.t. maks Z = 3x1+2x2+5x3 f.t. min W = 430y1 + 460y2 + 430y3
d.k. x1+2x2+ x3 430 d.k. y1 + 3y2 + y3 3
3x1+ 2x3 460 2y1 + 4y3 2
x1+4x2 420 y1 + 2y2 5
xj 0, j = 1, 2, 3 yi 0, i=1,2,3

Penyelesaian optimalnya adalah:

x1 = 0 y1 = 1
x2 = 100 y2 = 2
x3 = 230 y3 = 0
x4 = 1350

Kondisi optimal dari model primal :

Memproduksi barang 2 sebanyak 100 unit, barang 3 sebanyak 230 unit,
sedangkan barang 1 tidak diproduksi. Hal ini berarti menurut skala ekonomi barang 1
tidak menguntungkan untuk diproduksi.

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

dari model dual telah diperoleh y1=1;y2=2;y3=0.

Akhirnya diperoleh r1 + 6r2 > 4.
Jadi, keadaan yang layak adalah mulai r1 dan r2 antara 0 : 1; yang memenuhi r1 + 6r2
> 4 akan menguntungkan. Sebagai contoh: jika r1=1/4; r2=1/5 maka z1-c1=-2,55.
Dari hubungan r1 + 6r3 > 4 memperlihatkan perubahan waktu operasi 2 memberikan
tingkat keefektifan 6X dibandingkan pada waktu operasi 1.

METODE SIMPLEKS DUAL

Model dual adalah kebalikan dari model primal :

Model Primal Model Dual

- Memaksimalkan - Meminimalkan
- Variabel masuk - Variabel keluar
- Variabel keluar - Variabel masuk

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.

rasio positif terkecil v. m. (bagi model primal)

v. k. (bagi model dual)
V.D. x1 x2 . . . . .xj . . . . . xn R. K.
Z k l m n
xp a
xq -b Paling negatif
c v. k. (bagi model primal)
xr d v. m.(bagi model dual)

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.

Untuk menyelesaikan persoalan pada halaman 72 di atas, maka pada kendala

yang berhubungan harus ditambah dengan variabel buatan setelah sebelumnya
dikurangi dengan variabel surplus agar menjadi persamaan. Pada penyelesaian dengan
dual simpleks di sini kita tidak menambahnya dengan variabel buatan, akan tetapi kita
ubah pertidaksamaan menjadi pertidaksamaan , sehingga ruas kanannya berubah
menjadi negatif, yang berarti model tersebut penyelesaiannya tidak layak.

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 :

Min z = 3x1 + 2x2

d.k. -3 x1 x2 + x3 =-3
-4 x1 3x2 + + x4 =-6
x1 + x2 + x5 = 3
xj 0; j = 1,2,...,5

73
Tabel Simpleks dari persoalan :

V.K. Dual dan V.M. Primal

V.D x1 x2 x3 x4 x5 R.K
Z -3 -2 0 0 0 0
x3 -3 -1 1 0 0 -3
x4 -4 -3 0 1 0 -6 V.M. Dual dan V.K Primal
X5 1 1 0 0 1 3

rasio : -3 /-4 -2/-3

= 3/4 = 2/3

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

x3 -5/3 0 1 -1/3 0 -1 x3 V.K

x2 4/3 1 0 -1/3 0 2
x5 -1/3 0 0 1/3 1 -1
rasio -2/3 -1/3 x1 = V.M karena rasionya positif terkecil
=2/5 =1
-5/3 -1/3
z 0 0 -1/5 -3/5 0 21/5 Iterasi ini adalah optimal karena tidak ada lagi

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.

Perubahan-perubahan yang terjadi dapat dikelompokkan pada :

1. Perubahan yang mempengaruhi kelayakan

2. Perubahan yang mempengaruhi optimalitas

Perubahan Yang Mempengaruhi Kelayakan

1. Perubahan pada ruas kanan kendala
2. Penambahan kendala baru

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

Tabel Primal Optimal dari persoalan di atas :

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

Dengan demikian tabel simpleks berubah seperti pada tabel berikut :

V.D x1 x2 x3 x4 x5 x6 R.K

Z 0 0 1/3 4/3 0 0 23/3

x2 0 1 2/3 -1/3 0 0 10/3

x1 1 0 -1/3 2/3 0 0 1/3

x5 0 0 -1 1 1 0 -2 paling negatif V.K.
x6 0 0 -2/3 1/3 0 1 -4/3

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

Tabel Simpleks yang baru menjadi :

Z 0 0 0 5/3 1/3 0 7
x2 0 1 0 1/3 2/3 0 2
x1 1 0 0 1/3 -1/3 0 1
x3 0 0 1 -1 -1 0 2
x6 0 0 0 -1/3 -2/3 1 0

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

Penambahan Kendala Baru

Penambahan kendala baru dapat menghasilkan salah satu dari kondisi dibawah ini.
1. Kendala baru tersebut menerima pemyelesaian yang ada kendala tersebut merupakan
kendala yang tidak mengikat : kendala berlebih

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).

Koefisien variabel pada persamaan fungsi tujuan :

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)

Perubahan pada fungsi tujuan :

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 :

Koef. x1 = y1 + 2y2 y3 5 = 1.1 + 2.2 1.0 5 = 0

Koef. x2 = 2y1 + y2 + y3 + y4 4 = 2.1 + 1.2 + 1.0 + 1.0 4 = 0
Koef. x3 = y1 0 = 1 0 = 1
Koef. x4 = y2 0 = 2 0 = 2
Koef. x5 = y3 0 = 0 0 = 0
Koef. x6 = y4 0 = 0 0 = 0

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 :

Fungsi tujuan dari persoalan pada hal. 76 berubah menjadi z = 4 x1 + x2

dengan demikian variabel dual berubah menjadi :
2 / 3 1/ 3 0 0

1/ 3 2 / 3 0 0
( y1 y2 y3 y 4 ) = (1 4 0 0 )
1 1 1 0

2 / 3 1/ 3 0 1

= ( 2 / 3 7 / 3 0 0)

Koefisien variabel xj pada fungsi tujuan berubah menjadi :

Koef. x1 = y1 + 2y2 y3 4 = 1.-2/3 + 2.7/3 1.0 4 = 0

Koef. x2 = 2y1 + y2 + y3 + y4 1 = 2.-2/3 + 7/3 + 0 + 0 1 = 0
Koef. x3 = y1 0 = -2/3 0 = -2/3
Koef. x4 = y2 0 = 7/3 0 = 7/3
Koef. x5 = y3 0 = 0 0 = 0
Koef. x6 = y4 0 = 0 0 = 0

Ruas kanan z = 4 x1 + x2 = 4 (10/3) + 4/3 = 44/3

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

Perubahan pada penggunaan sumber daya oleh aktivitas

Dari kondisi yang disebutkan (hal. 81) yaitu memaksimumkan z = 4x1 + x2 dengan kendala
dari persoalan awal (hal 76) dimana tabel optimalnya adalah seperti di atas, sekarang
persoalannya menjadi :
kendala 2 berubah dari 2x1 + x2 8 menjadi 2x1 8.
Dengan berubahnya koefisien x2 menjadi nol, dengan demikian koefisien x2 pada fungsi tujuan
berubah dari 2y1 + 0y2 + y3 + y4 1 menjadi 2y1 + y3 + y4 1

Nilai koefisien x2 = 2.0 + 0 + 0 1 = -1

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

Dengan demikian keadaan optimalnya : x1 = 4; x2 = 1; z = 17

Penambahan variabel baru

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

2/3 -1/3 0 0 1/2 1/6

Koefisien x7 pada tabel = -1/3 2/3 0 0 1/2 = 1/6
-1 1 1 0 -1 -1
-2/3 1/3 0 1 0 -1/6

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

x7 merupakan variabel masuk sedangkan x2 merupakan variabel keluar. Dengan

penyelesaiannya menjadi :

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

Penyelesaian di atas optimal : x1 = 2; x7 = 8; z = 18

84
 MODEL TRANSPORTASI

Model Transportasi adalah pengalokasian pengiriman sejumlah barang (satu macam

barang) yang berasal dari sejumlah sumber pengiriman menuju sejumlah tujuan pengiriman
yang memberikan biaya pengiriman total terendah.
Barang yang akan dikirim dari setiap sumber pengiriman dan jumlah permintaan yang diminta
oleh setiap tujuan pengiriman, serta biaya pengiriman dari setiap sumber menuju setiap tujuan
adalah berbeda.
Model Transportasi adalah bentuk khusus dari model Programa Linear.
O.K. adalah model Programa Linear maka dapat diselesaikan dengan metode
simpleks.
Bentuk khusus disusun metode penyelesaian yang lebih sederhana.

Penggunaan model Transportasi antara lain untuk :

Persoalan pengiriman barang
Persoalan perancangan produksi
Penugasan mesin-orang
Penugasan mesin-pekerjaan

sumber tujuan
x11: c11
a1 1 1 b1
X12: C12
a2 b2
2 2
. .
X1n: C1n
. .
. .
am bn
m n

ai = jumlah suplai dari sumber i

bj = jumlah permintaan tujuan j
xij = jumlah barang yang dikirim dari sumber i ke tujuan j
cij = biaya pengangkutan per unit barang dari sumber i ke tujuan j
Persoalan dari model adalah meminimalkan biaya pengangkutan total.

Model Programa Linear dari persoalan di atas :

85
ft : min z = c11 x11 + c12x12 + c1n x1n
C1 jX 1 j +
j

c21 x21 + c22x22 + c2n x2n

C 2 jX 2 j +
j

cm1 x11 + cm2xm2 + cmn xmn

CmjXmj
j

kendala sumber:
x11 + x12 + . . . x1n a1 X 1j a1
j

x21 + x22 + . . . x2n a2 X

j
2j a2

.
xm1 + xm2 + . . . xmn am Xmj a m
j

kendala tujuan:
x11 + x21 + . . . xm1 b1 Xi1 b1
i

x12 + x22 + . . . xm2 b2 Xi2 b2

i

x1n + x2n + . . . xmn bn

Xin bn
i

model di atas dapat diringkas menjadi :

f.t min z = CijXij i = 1,2, . . . m

i j

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.

model transportasi dari persoalan:

f.t min z = CijXij
i j

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

Total Suplai = 1000 + 1500 + 1200

= 3700
Total permintaan = 2300 + 1400 model dalam keadaan seimbang
= 3700

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

V. D. x11 x12 x21 x22 x31 x32 R1 R2 R3 R4 R5 R. K.

z -80 -215 -100 -108 -102 -68 0 0 0 0 0 0

2M 2M 2M 2M 2M 2M 0 0 0 0 0 7400M
R1 1 1 0 0 0 0 1 0 0 0 0 1000
R2 0 0 1 1 0 0 0 1 0 0 0 1500
R3 0 0 0 0 1 1 0 0 1 0 0 1200
R4 1 0 1 0 1 0 0 0 0 1 0 2300
R5 0 1 0 1 0 1 0 0 0 0 1 1400

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

Persoalan di atas dapat diselesaikan dengan model transportasi :

Model Transportasi Model Produksi-Persediaan

i sumber tujuan bulan produksi i
j tujuan j bulan permintaan j
cij biaya transportasi biaya produksi + penalti + persediaan per unit
ai jumlah suplai jumlah produksi bulan produksi i
bj jumlah permintaan jumlah permintaan bulan persediaan j

200 200
1 1
X21:C21

350 X22:C22 400

2 2

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

Jika i = j cij = biaya produksi

i>j cij = biaya produksi + biaya penalti
i<j cij = biaya produksi + biaya persediaan

Tabel transportasi dari persoalan di atas adalah :

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

PEMECAHAN MODEL TRANSPORTASI

Langkah-langkah pemecahannya sama dengan langkah metode simpleks:

Langkah 1: Penentuan variabel dasar awal (VDA).
Langkah 2: Penentuan variabel masuk. Jika tidak ada variabel masuk maka optimal.
Langkah 3: Penentuan variabel keluar
Langkah 4: Penyusunan penyelesaian yang baru, dilanjutkan ke langkah 2.

LANGKAH 1: PENENTUAN PENYELESAIAN DASAR AWAL.

Terdapat 3 cara:
1. Aturan Pojok kiri atas..North West Corner Rule
2. Metode Berbiaya Terendah.Least Cost Methode
3. Metode Penalti.Penalty Methode

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

Langkah-langkah aturan pojok kiri atas :

1. Tempatkan barang sebanyak mungkin pada kotak pojok kiri atas
2. Coret baris/kolom yang sudah terpenuhi
3. Baris/kolom yang tidak dicoret jumlahnya dikurangi dengan pengisian kotak
4. Isi kotak terdekat dari sel yang diisi sebelumnya sebanyak mungkin, lanjutkan ke langkah
2. Demikian seterusnya sampai semua barang terdistribusi habis.
Jumlah variabel dasar adalah sebanyak jumlah baris dan kolom dikurang 1. (m+n+1). Jika
baris dan kolom sama-sama terpenuhi coret salah satunya/jangan keduanya dicoret karena
jika keduanya dicoret maka jumlah variabel dasarnya akan berkurang.
2 3 4

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

Metode Biaya terendah

Sama dengan aturan pojok kiri atas.

Bedanya urutan pengisiannya bukan dimulai dari pojok kiri atas, melainkan dimulai dari kotak
yang mempunyai biaya terendah, kemudian di isi kotak dengan biaya terendah berikutnya
yang belum dicoret.

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.

Besarnya nilai Z dihitung seperti berikut :

Z = 15.0 + 0.11 + 15.9 + 10.20 + 5.0 + 0.18 = $ 335

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
- - - -

Besarnya nilai Z adalah :

Z = 5.0 + 10.11 + 10.7 + 15.9 +5.0 +0.18 = $ 315

Jika diselesaikan nanti akan diperoleh Z optimal = $ 315

Jika dibandingkan, ketiga penyelesaian dasar awal di atas diperoleh :

Metode Nilai Z
APKA Z = 410 Penyelesaian ini baru penyelesaian awal jadi perlu
dilakukan langkah-langkah penyelesaian.
MBT Z = 335
MP Z = 335
Z = 315
APKA paling sederhana, namun psling jsuh dari keadaan optimal
MP paling kompleks, namun paling dekat pada keadaan optimal

LANGKAH 2 : PENENTUAN VARIABEL MASUK

Menggunakan faktor pengali
; Pada setiap baris diberi pengali ui , pada setiap kolom diberi faktor pengali vj
; Pada variabel dasar berlaku hubungan: ui + vj = cij

; Pada variabel non dasar berlaku C pq = U p + Vq C pq

; 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

variabel dasar : ui + vj = cij variabel non dasar : C pq = up + vq cpq

----------------------------------- ----------------------------------------------------

x11 : u1 + v1 = c11 = 10 x13 : C 13 = u1 + v3 c13

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

x23 : u2 + v 3 = 9 v 3 = 2 x31 : C 31 = 5 + 10 0 = +15

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

variabel masuk adalah x31 yang mempunyai C 31 = +15 positif terbesar

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

Penjelasan Metode Simpleks Terhadap Penentuan Variabel Masuk dengan Metode

Pengali ( C pq ) :

Model dual dari model transportasi

m n
Maks Z = ai u i + b j v j
i =1 j =1

d.k ui + vj cij untuk semua i dan j

ui dan vj tidak terbatas tanda

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

Pada variabel dasar koefisiennya = 0.

Dengan demikian pada variabel dasar berlaku hubungan
ui vj cij = 0 ui + vj = cij
Pada variabel nondasar koefisiennya 0.
Pada persoalan meminimalkan variabel masuk adalah variabel nondasar paling positif. Jadi
variabel amsuk adalah yang mempunyai ui + vj cij paling positif.

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

Misalkan nilai x31 naik 1 unit.

Agar nilai pada baris/kolom tersebut yang nilainya turun sebanyak kenaikan nilai x31 = 1 unit.
Kita lihat jika suatu kotak nilainya naik/turun 1 unit, maka harus ada kotak pada baris/kolom
yang sama dengan kotak yang naik/turun tersebut nilainya turun/naik 1 unit.
Akan terbentuk loop tertutup yang nilainya naik dan turun secara bergantian.
Hanya akan terbentuk 1 loop. Titik Sudut Naik kita beri tanda (+) dan titik sudut turun dengan
tanda (-). Variabel masuk nilainya akan naik sebesar jumlah barang pada titik sudut (-) yang
terkecil jumlahnya. Variabel keluar hanya 1 buah. Jika lebih dari 1 titik sudut yang mempunyai
nilai terendah yang keluar adalah salah satunya.
Jika terdapat lebih dari satu buah titik sudut negatif yang mempunyai nilai terendah maka yang
keluar adalah variabel yang mempunyai dengan biaya tertinggi.
Oleh karena x34 mempunyai biaya tertinggi maka x34 adalah variabel keluar.
Semua titik sudut dengan tanda positif (+) nilainya naik sebesar nilai Variabel Keluar
sedangkan titik sudut dengan tanda negatif (-) nilainya turun sebesar Variabel Keluar.
Sedangkan Variabel Keluar nilainya menjadi kosong.

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 5 -19 -19 -10

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

; Persoalan pengalokasian sejumlah mesin untuk mengerjakan sejumlah pekerjaan

; Bentuk khusus dari model transportasi
; Dipecahkan dengan Teknik Transportasi
; Bentuk khusus dikembangkan cara pemecahan yang lebih sederhana

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).

Tabel Biaya Transportasi model baru menjadi:

Pekerjaan
1 2 ....... n
1 c11' c12' . . . . . . . c1n'
2 c21' c22' . . . . . . . c2n'
mesin . .
. . cij pi cij'=cij-pi-qj
. .
n cn1' cn2' . . . . . . . cnn'
qj
Fungsi tujuan baru:
f.t min Z = Cij ' Xij = [Cij p
i j i j
i q j ] Xij

= 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.

Tabel Biaya menjadi

0 2 4
4 0 2
2 0 3

q3=2

Tabel biaya menjadi

0 2 2

4 0 0

2 0 1

x11=1 x23=1 x32=1 z= p + q

i
i
j
j = 5 + 10 + 13 + 2 = 30

jika dihitung dari tabel transportasi terlihat z = 5 + 12 + 13 = 30

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

B B 800+B 900+B 500

Setelah diselesaikan diperoleh hasil seperti di bawah ini :

Tujuan
Tr1 Tr 2 D1 D2 D3
P1 1000 1000

P2 1200 1200

Sumber Tr 1 1000 800 400 2200

Tr 2 1200 1000 2200

D1 2200 2200

D2 1700 500 2200

2200 2200 3000 3100 500

105
Jika dilihat dari gambar penyelesaiannya adalah :

5 800
800
1000
1 3
400
1000

6 900

1200 1200 1000

2 4 500

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

Model Programa Linier :

Maks. z = c1x1 + c2x2 + . + cnxn

d. k. a11x1 + a12x2 + .a1nxn < b1

.
.
am1x1 + am2x2 + .amnxn < bm

x1; x2; .xn > 0

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.

Model Programa Liniernya adalah :

Maks. Z = 30X1 + 130X2

d. k. X1 + 4X2 < 11
X1; X2 > 0 dan integer

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.

Jenis-jenis Model Programa Integer :

1. Programa Integer Murni
2. Programa Integer 0 1
3. Programa Integer Campuran

Formulasi Persoalan Programa Integer :

Contoh 2 (Programa Integer murni) :

PT. X membangun kapal layar fiber glass dengan ukuran panjang 30 dan 20. Keuntungan
dari penjualan kapal tersebut adalah $ 6.000 dan $ 1.000 per unit. Setiap jenis kapal
memerlukan waktu pembangunan masing-masing selama 1 minggu. Sumber yang terbatas
adalah luas lantai dan tenaga kerja. Kapal ukuran 30 memerlukan luas lantai dua unit dan 4
unit tenaga kerja, sedangkan kapal ukuran 20 memerlukan 1 unit luas lantai dan 1 unit tenaga
kerja. Luas lantai yang tersedia adalah 4 unit Dan tenaga kerja yang tersedia adalah 6 unit
setiap minggu. Berapa unit kapal yang dibangun per minggu ? Buatlah model matematis dari
persoalan di atas.

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

Contoh 3 (Persoalan Programa Integer 0 1) :

Perusahaan X adalah sebuah perusahaan pengelola dana pensiun sedang

mempertimbangkan lima buah usulan investasi tiga tahun. Perusahaan tersebut
mengalokasikan dana sebesar $ 50 juta, $ 40 juta dan $ 30 juta untuk tahun I, II, dan III.
Proyek tersebut harus selesai dalam tiga tahun dan menghasilkan untung. Aliran dana dari
invesatasi diperlihatkan pada tabel berikut :

Proposal Kebutuhan modal ( $ juta) Net Present Value

investasi Tahun I Tahun II Tahun III (NPV - $ juta)
A 10 8 6 15
B 14 11 8 18
C 16 12 9 9
D 8 9 7 8
E 9 7 5 8

Buatlah model matematis dari persoalan di atas.

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.

Contoh 4 (Persoalan Programa Integer Campuran) :

Sebuah pabrik cat menghadapi persoalan jadwal pengiriman barang dari gudang ke toko
dengan jumlah persediaan di gudang, jumlah permintaan toko seperti terlihat pada tabel 1 dan
2. Untuk mengangkut cat, perusahaan menyewa truk. Tedapat dua komponen biaya
pengiriman, yaitu biaya tetap (tabel 3) untuk pengiriman dari gudang ke toko yang tidak
tergantung dari ukuran barang yang diangkut dan biaya variabel sebesar $ 5 untuk setiap 100 l
(drum) (tanpa memperhatian dari gudang ke toko mana cat tersebut diangkut). Buatlah model
Programa Integer dari persoalan di atas.

Tabel 1 Tabel 2 Tabel 3 biaya tetap ( $ )

Dari Ke toko
Gudang Tersedia Toko Permintaan Gudang 1 2 3
A 6000 l 1 9000 l A 3800 2750 3400
B 7000 l 2 9000 l B 2900 3100 2850
C 8000 l 3 12000 l C 3650 4020 3840
D 9000 l D 4075 1920 3040

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

xij Myij < 0

Jika yij = 0 xij - nol < 0 xij < 0 xij = 0 terbukti!
Sebelumnya telah ditentukan xij > 0

Dengan demikian model adalah :

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 :

x11 + x12 + x13 = 60

x21 + x22 + x23 = 70
x31 + x32 + x33 = 80
x41 + x42 + x43 = 90
x11 + x21 + x31 + x41 = 90
x12 + x22 + x32 + x42 = 90
x13 + x23 + x33 + x43 = 120
xij Myij < 0 i = 1; 2; 3; 4 j = 1; 2; 3
xij > 0 i = 1; 2; 3; 4 j = 1; 2; 3

Pada persoalan ini M dapat ditentukan = 120 ( mengapa ?)

111
Model di atas bentuknya sama dengan persoalan transportasi dalam bentuk standar, kecuali
kendala biaya tetap yaitu xij Myij < 0.
Bentuk ini disebut dengan persoalan biaya tetap (fixed charge problem), karena biaya tetap
tersebut berkaitan dengan variabel xij. Variabel yij adalah untuk menyatakan apakah biaya
tersebut dikenakan atau tidak.

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

2000 1500 3500 2000 3500

PT. A PT. B PT. C

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

Bentuk di atas dapat diganti dengan :

1500y1 < d1 < 1500
0 < d2 < 2000y1
y1 = 0 atau 1

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

1 pos ditempatkan pada lokasi tersebut

Variabel : xj =
0 pos tidak ditempatkan pada lokasi tersebut

Tujuan : Min. z = x1 + x2 + x3 + x4 + x5 + x6 + x7 + x8 + x9 + x10

Kendala : jalan A : x1 + x2 >1
jalan B : x2 + x3 >1
jalan C : x 3 + x4 >1
jalan D : x1 + x7 >1
jalan E : x2 + x7 >1
jalan F : x2 + x8 >1
jalan G : x3 + x5 >1
jalan H : x4 + x6 >1
jalan I : x 5 + x6 >1
jalan J : x5 + x9 >1
jalan K : x6 + x10 > 1
jalan L : x7 + x8 >1
jalan M : x8 + x9 >1
jalan N : x9 + x10 >1

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.

Pekerjaan Waktu Waktu penyerahan Biaya keterlambatan

proses (hari) (hari) ($/hari)
1 5 25 19
2 20 22 12
3 15 35 34

Variabel : xj = waktu mulai pekerjaan j (diukur dari hari ke nol), j = 1, 2, 3

Pada persoalan ini terdapat dua macam kendala, yaitu kendala yang menjamin dua pekerjaan
tidak dikerjakan secara bersamaan dan kendala waktu penyerahan.

Kendala dua pekerjaan tidak dapat dikerjakan secara bersamaan :

Dua pekerjaan i dan j dengan waktu proses pi dan pj tidak akan dikerjakan secara bersamaan
jika xi > xj + pj atau x i - xj > p j
x i > x j + pj xj xi > pi
bentuk pilihan di atas bukan bentuk yang linier harus dijadikan linier.

Bentuk di ats dapat diganti dengan bentuk :

Myij + xi - xj > pj
M(1-yij) + xj xi > pi

1
yij = 0

kendala waktu penyerahan :

xj + pj + sj sj = dj
dengan sj = kelebihan waktu penyerahan dari tanggal penyerahannya
sj= keterlambatan waktu dari tanggal penyerahannya

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

METODE BRANCH AND BOUND

Metode ini adalah teknik yang sederhana dan sangat efisien untuk menyelesaiakn persoalan
integer.
Dengan metode ini daerah penyelesaiannya harus dicari secara sisematis sampai sejumlah
kecil penyelesaian integer yang mungkin diperoleh diperiksa penyelesaian mana yang optimal.
Pertama kali diselesaikan persolan tanpa memperhatikan kendala integernya. Jika hasilnya
telah integer berarti telah optimal, sedangkan jika belum diperoleh hasil integer yang
dikehendaki kita lakukan branch and bound membuat cabang dan membatasinya ke arah
variabel yang belum integer, yaitu dengan menambah kendala baru.

Pertama : cabang kiri model semula ditambahkan kendala baru xj < a

a adalah bilangan integer terdekat dari xj yang lebih kecil dari xj

Kedua : cabang kanan model semula ditambahkan kendala baru xj > b

b adalah bilangan integer terdekat dari xj yang lebih besar dari xj

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 :

Model Programa Integer :

f. t. maks. Z = x1 + x2
d. k. 3x1 + x2 < 3
x1 + 3x2 < 6
xj > 0 dan integer j =1; 2

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.

Prosedur pencabangan digambarkan pada gambar 14.9.

x1* = 33/7, x2* = 0

x3* = 25/7, z* =
1/7141/7
x1 < 4 x1 > 5

x1* = 4, x2* = 0
x3* = 5/2, z* = 31/2

x3 < 2 x3 > 3

x1* = 4, x2* = 1/4

x3* = 2, z* = 61/4

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

x1* = 4, x2* = 0 x1* = 5, x2* = 0

x3* = 5/2, z* = 31/2 x3* = 3, z* = 19

Gambar 14.8

Formulasi dari persoalan

Programa Integer

Selesaikan persoalan
sebagai persoalan P. L.

Penyelesaian layak ? Stop

Pencabangan ke var. yang

belum integer dan selesaikan
Persoalan P.L. nya

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.

Programa linier dengan tujuan tunggal:

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!

Variabel : Xj = jumlah dana iklan pada media j j=1,2

f.t. maks. Z = 10.000 X1 + 7.500 X2
d.k. X1 + X2 100
X1 70
Xj 0 j= 1, 2

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.

Model Programa tujuan dari persoalan di atas:

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.

Programa Linier Multi Tujuan :

Jika terdapat tujuan lebih dari satu, pada setiap kendala tujuan terdapat variabel penyimpang-
an. Setiap variabel penyimpangan yang akan dioptimalkan (diminimalkan), pada fungsi tujuan
diberi faktor priorotas, dimana yang mempunyai prioritas lebih tinggi lebih besar faktor
prioritasnya. Jika terdapat tujuan mempunyai bobot yang sama, maka faktornya sama besar.

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 apikasi lainnya dari programa tujuan :

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.

Komp. Perusahaan: 1 2 3 4 Juml.Permintaan (unit)

1 $25 $28 - $30 15.000
2 - $80 $75 $82 30.000
3 $30 $28 $33 - 10.000
4 $40 - - $42 20.000

Perusahaan-perusahaan tersebut mempunyai beberapa kendala yaitu:

- Perusahaan 1 hanya dapat mensuplai komponen 4 maks. 18.000

- Perusahaan 2 hanya dapat mensuplai komponen 1 maks. 3.000
- Perusahaan 4 hanya dapat mensuplai komponen 2 maks. 15.000 dan komponen 4
maksimal 5.000
- Perusahaan 4 menyatakan akan mensuplai pesanan dengan jumlah order paling sedikit
$500.000.

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

Variabel : Xij = jumlah komponen i yang diberikan pada pemasok j

Kendala sistem:
Jumlah Komponen:
Komponen 1: X11 + X12 + X14 = 15.000
Komponen 2: X22 + X23 + X24 = 30.000
Komponen 3: X31 + X32 + X33 = 10.000
Komponen 4: X41 + X44 = 20.000
Kemampuan pemasok:
Pemasok 1 : X41 18.000
Pemasok 2 : X12 30.000
Pemasok 4 : X24 20.000
X44 5.000
Order kepada pemasok 4 minimum $ 500.000
30 X14 + 82 X24 + 42 X44 500.000
(berlebih sehingga tidak diperlukan karena terdapat kendala tujuan 2)

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-

dengan demikian model menjadi:

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 :

25 X11 + 28 X12 +.+ 42 X44 + d1- - d2+ = 3,5 juta

- +
30 X14 + 82 X24 + 42 X44 + d2 - d2 = 500.000
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- - d66+ = 1,2 juta
25 X11 + 30 X31 + 40 X41 + d7- - d7+ = 1,0 juta

- Kendala non negatif :

Xij 0 i j
dk- ; dk+ 0 k

Kendala terakhir dapat diganti dengan d3- + d7- - d7+ = 200.000

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.

Tabel 1 Presentase berdasarkan daerah dan jenis kelamin tinggal di asrama

Daerah Laki-laki Perempuan
Negara bagian 50 % 60 %
Luar negara bagian 80 % 95 %

Tabel 2 Maksimal penerimaan untuk memenuhi penerimaan minimum

Mahasiswa PS.A PS.B PS.C
Laki-laki negara bagian 800 400 200
Perempuan negara bagian 400 100 10
Laki-laki luar negara bagian 300 100 50
Perempuan luar negara bagian 150 50 5

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