(Bahan Kuliah Ummu) - Tentang LP (Materi)
(Bahan Kuliah Ummu) - Tentang LP (Materi)
(Bahan Kuliah Ummu) - Tentang LP (Materi)
PENDAHULUAN
Dalam program linear yang mensyaratkan nilai variabelnya terbatas, fungsi tujuan sangat
bergantung pada nilai variabel tersebut. Untuk menyelesaikan persoalan program linear ini
digunakan metode simplex yang dimodifikasi sedemikian hingga diperoleh solusi yang
optimal. Metode simplex yang dimodifikasi
dimodifikas ini dikenal sebagai “ Metode Simplex Primal
Menggunakan Working basis”.
basis”
Teori Dualitas
Dalam kebanyakan pembahasan program linear,, masalah dual didefenisikan untuk berbagai
masalah primal, bergantung pada jenis batasan tanda dari variabel dan arti optima
optimasi. Setiap
permasalahan dual, sedemikian hingga permasalahan semua yang disebut primal solusinya
dapat diperoleh dengan menyelesaikan permasalahan dualnya.
Primal : Meminimalkan : Z = cx
Kendala Ax ≥ b
X≥0
Dual : Memaksimalkan W = wb
Kendala wA ≤ c
W≥0
1 of 22
Bahan kuliah Riset Operasi
Tek. Informatika UMMU Ternate
Zufri Hasrudy Siregar
Perubahan tanda ketidaksamaan tergantung pada fungsi tujuannya, yaitu untuk kasus
meksimal semua pembatas bertanda ≤, sedangkan untuk kasus minimal semua pembatas
bertanda ≥ dan semua variabel non negatif. Permasalahan maksimal/minimal semacam ini
disebut permasalahan maksimal/minimal normal. Sedangkan untuk permasalahan
maksimal/minimal yang tidak normal perubahannya adalah :
Untuk permasalahan maksimal jika kendala primal xi bertanda ≥ maka variabel dual
yang berkorespondensi dengan kendala itu akan memenuhi wi ≤ 0. Sebaliknya, untuk
permasalahan minimal jika kendala primal xi bertanda ≤, maka variabel dual yang
berkorespondensi dengan variabel tersebut akan memenuhi wi ≤ 0.
Jika variabel primal xi tidak terbatas dalam tanda, maka kendala dualnya yi akan
bertanda =.
Program linear dimana satu atau beberapa semua variabelnya terbatas pada batas bawah dan
batas atas tertentu dikenal dengan Program Linear dengan Variabel Terbatas. Dalam
aplikasinya dimana variabel terbatas pada bilangan tertentu (berhingga), misalnya yj, terbatas
diatas kj dan terbatas dibawah oleh lj, dimana lj ≤ kj dan lj ≥ 0, bentuk awalnya adalah :
Meminimalkan Z (y) = cy
Kendala Ay = b’
dimana A adalah matriks order m x n. Batas 1j dan kj berhingga dan 1j ≤ kj untuk semua j ε J
2 of 22
Bahan kuliah Riset Operasi
Tek. Informatika UMMU Ternate
Zufri Hasrudy Siregar
atau
xj ≤ Uj = kj – 1j untuk j ε J = {1,2,...,n1}
xj ≥ 0 untuk semua j
Minimalkan Z (x) = cx
Kendala Ax = b
(2)
Xj ≥ 0 untuk semua j
Bentuk permasalahan ini merupakan bentuk umum persamaan program linear dengan nilai
variabel terbatas.
Solusi fisibel untuk (2) adalah solusi basis fisibel jika dan hanya jika himpunan
vektor kolom yang berkorespondensi dengan basis yaitu { A.j : j sedemkian hingga 0 < j <
Uj} ∪ { Aj : j sedemikian hingga j > 0} adalah basis linear, (2) didefinisikan sebagai
working basis dari A order m. Jika diberikan working basis untuk (2), maka variabel-variabel
yang berkorespondensi dengan vektor-vektor kolom dari working basis ini disebut variabel
basis. Variabel-variabel selain itu disebut variabel non basis.
Dengan diberikannya working basis ini, maka solusi fisibbel adalah solusi basis
fisibel jika dan hanya jika ada working basis dimana solusi variabel non basis ini sama batas
bawahnya (nol) atau batas atasnya. Nilai dari variabel basis harus berbeda diantara bawah
(nol) dan batas atas untuk masing-masing variabel.
Kriteria Optimasi
3 of 22
Bahan kuliah Riset Operasi
Tek. Informatika UMMU Ternate
Zufri Hasrudy Siregar
Kriteria optimasi untuk program ini diperoleh dari hubungan primal dan duualnya. Dari
permasalahan (2) dapat juga ditulis dalam bentuk :
Kendala
Xj ≥ 0 untuk semua j
Maksimalkan : ηb – μU
μ≥0
Dari (3) dan (4) nilai variabel slack untuk masing-masing kendalanya adalah
cj – ηA.j + μj xj ≥ 0 untuk j ε J
cj – ηA.j + μj xj ≥ 0 untuk j ε J
Uj – xj ≥ 0 untuk j ε J
Oleh karena itu solusi fisibel untuk (4) dipenuhi hanya jika variabel primal dan dualnya
memenuhi complementary slackness condition sebagai berikut :
4 of 22
Bahan kuliah Riset Operasi
Tek. Informatika UMMU Ternate
Zufri Hasrudy Siregar
Dengan memisalkan cj – ηA.j = cj merupakan koefisien fungsi tujuan ke-j pada iterasi ke-k
yang optimal maka nilai xj juga harus optimal. Fisibilitas dual mensyaratkan bahwa cj + μj ≥
0 untuk semua untuk j ε J dan cj ≥ 0 untuk j ε J. Dari fisibilitas dual maka diperoleh beberapa
kemungkinan sebagi berikut :
Untuk j ε J, jika cj < 0 maka untuk memenuhi fisibilitas (4) diperlukan nilai μj ≥ 0
(karena cj + μj ≥ 0 untuk j ε J), karena μj > 0 maka dari (5c) didapat xj = Uj.
Untuk j ε J, jika xj nilainya berbeda diantara batas atas dan bawah maka dari (5a) dan
(5c) dipenuhi hanya jika cj = 0 dan μj = 0.
Untuk j ε J, jika cj > 0 maka dari (5b) didapat xj = 0.
Dari kemungkinan ini solusi fisibel untuk (2) yaitu x adalah optimal jika dan hanya
jika terdapat η sedemikian hingga c = ηA, nilai xj dimana cj > 0 adalah nol dan nilai xj
dimana cj < 0 adalah Uj.
Misalkan x adalah solusi fisibel untuk (2) yang berkorespodensi dengan working basis
B. Jika xj adalah variabel basis, maka nilai xj terdapat diantara 0 dan Uj dengan cj = 0,
oleh karena itu η yang bersesuaian dengan working basis B dapat diperoleh dengan
menyelesaikan cj – ηA.j = 0 untuk semua j, dengan A.j adalahvektor kolom pada B.
Misalkan CB adalah vektor koefisien harga fungsi tujuan variabel basis, maka η
diperoleh dengan menyelesaikan CB = ηB, yaitu η = cb B-1. Setelah η didapat
selanjutnya, nilai c diperoleh dari c = c – ηA. Dengan memandang c kriteria
optimalitas untuk program linear variabel terbatas adalah :
Untuk j ε J dan cj < 0 dimana xj = Uj
Untuk j ε J dan cj > 0 dimana xj = 0
Untuk j ε J dimana cj ≥ 0
Formulasi Model LP
Masalah keputusan yang biasa dihadapi para analis adalah alokasi optimum sumber daya
yang langka. Sumber daya dapat berupa modal, tenaga kerja, bahan mentah, kapasitas mesin,
waktu, ruang datau teknologi. Tugas analis adalah mencapai hasil terbaik yang mungkin
dengan keterbatasan sumber daya. Hasil yang diinginkan mungkin ditujukan sebagai
maksimasi dari beberapa ukuran seperti profit, penjualan dan kesejahteraan, atau miniasi
seperti biaya, waktu dan jarak.
5 of 22
Bahan kuliah Riset Operasi
Tek. Informatika UMMU Ternate
Zufri Hasrudy Siregar
Secara teknis, ada lema syarat tambahan dari permasalahan lenear programming yang harus
diperhatikan yang merupakan asumsi dasar, yaitu :
1. Certainty ( kepastian). Maksudnya adalah fungsi tujuan dan fungsi kendala sudah
diketahui dengan pasti dan tidak berubah selama periode analisa
5. Non-negative variabel (variabel tidak negatif). Artinya bahwa semua nilai jawaban
atau variabel tidak negatif
6 of 22
Bahan kuliah Riset Operasi
Tek. Informatika UMMU Ternate
Zufri Hasrudy Siregar
Sebuah perusahaan ingin menentukan berapa banyak masing-masing dari tiga produk yang
berbeda yang akan dihasilkan dengan tersedianyasumber daya yang terbatas agar diperoleh
keuntungan maksimu. Kebutuhan buruh dan bahan mentah dan sumbangan keuntungan
masing-masing produk adalah sebagai berikut :
A. Variabel Keputusan
Tiga variabel dalam masalah ini adalah produk A, B dan C yang harus dihasilkan. Jumlah
ini dapat dilambangkan sebagai berikut :
X1 = jumlah produk A
X2 = jumlah produk B
X3 = jumlah produk C
B. Fungsi Tujuan
7 of 22
Bahan kuliah Riset Operasi
Tek. Informatika UMMU Ternate
Zufri Hasrudy Siregar
C. Sistem Kendala
Dalam masalah ini kendalanya adalah jumlah buruh dan bahan mentah yang terbatas.
Masing-masing produk membutuhkan buruh maupun bahan mentah. Produk A, buruh
yang dibutuhkan untuk menghasilkan tiap unit adalah 5 jam, sehingga buruh yang
dibutuhkan untuk produk A adalah 5X1 jam. Dengan cara yang serupa produk B
membutuhkan 2X2 jam buruh, dan produk C butuh 4X3 jam, sementara jumlah buruh
yang tersedia adalah 240 jam. sehingga dapat ditulis:
Kendala bahan mentah dirumuskan dengan cara yang sama, yaitu untuk produk A butuh
bahan mentah sebanyak 4 kg per unit, produk B membutuhkan 6 kg per unit dan produk C
butuh 3 kg per unit. Karena yang tersedia adalah sebanyak 400 kg bahan mentah, maka
ditulis :
Kita juga membatasi masing-masing variabel hanya nilai positif, karena tidak mungkin untuk
menghasilkan jumlah produk negatif. Kendala-kendala ini dikenal dengan non negativity
constraints dan secara matematis dapat ditulis :
Pertanyaan yang timbul adalah mengapa kendala dituliskan dengan tanda pertidaksamaan ( ≤
), bukan persamaan ( = ). Persamaan secara tidak langsung mengatakan bahwa seluruh
kapasitas sumber daya digunakan, sementara dalam pertidaksamaan memperbolehkan
penggunaan kapasitas secara penuh maupun penggunaan sebagian kapasitas. Dalam beberapa
kasus suatu solusi dengan mengizinkan adanya kapasitas sumberdaya yang tak terpakai akan
memberikan solusi yang lebih baik, yang bearti keuntungan lebih besar, dari pada
penggunaan seluruh sumber daya. Jadi, pertidaksamaan menunjukan keluwesan.
8 of 22
Bahan kuliah Riset Operasi
Tek. Informatika UMMU Ternate
Zufri Hasrudy Siregar
1. Variabel Keputusan
Masalah ini terdiri dari tiga variabel yang menunjukkan jumlah masing-masing jenis
makanan yang diterapkan dalam menu, yaitu :
X1 = jumlah makana A
X2 = jumlah makanan B
X3 = jumlah makanan C
2. Fungsi Tujuan
Tujuan masalah ini adalah meminimumkan biaya total menu perhari. Biaya total dalam
konteks ini adalah jumlah biaya dari masing-masing jenis makanan yang disajikan dalam
menu. Sehingga biaya total, Z, ditulis :
3. Sistem kendala
Dalam masalah ini , kendalanya adalah kebutuhan minimum akan zat-zat makanan
perhari yang telah ditetapkan. Kendala untuk kalsium ditulis :
9 of 22
Bahan kuliah Riset Operasi
Tek. Informatika UMMU Ternate
Zufri Hasrudy Siregar
5X1 + X2 ≥ 8
Pada contoh ini digunakan pertidak samaan “≥” yang menunjukkan jumlah minimum kalsium
yang dibutuhkan. Dengan kata lain , sekurang-kurangnya 8 unit kalsium harus dipenuhi.
Kendala untuk protein dan vitamin A dibuat dengan cara yang sama, yaitu :
2X1 + 2X2 + X3 ≥ 10
X1 + 5X2 + 4X3 ≥ 22
X1, X2, X3 ≥0
Dari contoh yang sudah ditulis diatas secara mendalam terlihat adanya suatu pola yang khas
untuk merumuskan secara umum suatu masalah LP. Pada setiap masalah, ditentukan variabel
keputusan, fungsi tujuan, dan sistem kendala, yang bersama-sama membentuk suatu model
matematik dari dunia nyata. Bentuk umum model LP itu adalah :
Maksimumkan (minimumkan) Z =∑
Keterangan :
10 of 22
Bahan kuliah Riset Operasi
Tek. Informatika UMMU Ternate
Zufri Hasrudy Siregar
Yang perlu diingat adalah tanda pertidaksamaan tidak harus sama untuk setiap kendala !
ASUMSI MODEL LP
Bahwa fungsi tujuan dan semua kendala harus linear. Dengan kata lain, jika suatu
kendala melibatkan dua variabel keputusan, dalam diagram dimensi dua ia akan berupa
garis lurus. Begitu juga, suatu kendala yang melibatkan tiga variabel akan menghasilkan
suatu bidang datar dan kendala yamg melibatkan n variabel akan menghasilkan
hyperplane (bentuk geometris yang rata) dalam ruang berdimensi n. Kata linear secara tidak
langsung mengatakan bahhwa hubunggan proporsional yang berarti bahwa tingkat perubahan
atau kemiringan hubungan fungsional itu adalah konstan dan karena nilai variabel akan
mengakibatkan perubahan relatif nilai fungsi tujuan dalam jumlah yang sama. LP juga
mensyaratkan bahwa jumlah variabel kriteria dan jumlah penggunaan sumber daya harus
bersifat additif. Contohnya, keuntunga total Z yang merupakan variabel kriiteria, sama
dengan jumlah keuntungan yang diperoleh dari maing-masing kegiatan, Cj Xj. Juga, seluruh
sumber daya yang digunakan untuk seluruh kegiattan, harus sama dengan jumlah sumber
daya yang digunakan untuk masing-masing kegiatan.
Additif dapat diartikan sebagai tak adanya penyesuaian pada perhitungan variabel kriteria
karena terjadi interaksi. Contohnya, dalam masalah kombinasi produk disebutkan bahwa
keuntungan per unit produk A Rp.3,-, produk B Rp.5,- dan produk C Rp. 2,-. Jika masing-
masing produk dijual secara terpisah. Tetapi bisa jadi, kalau dijual secara serentak pada
daerah yang sama dapat menyebabkan penurunan keuntungan, sehingga perlu memasukkan
penyesuaian interaksi ke dalam variabel kriteria, misalnya saja menjadi :
11 of 22
Bahan kuliah Riset Operasi
Tek. Informatika UMMU Ternate
Zufri Hasrudy Siregar
Devisibility
Asumsi ini bearti bahwa nilai solusi yang diperoleh Xj, tidak harus bilangan bulat. Ini
bearti nilai Xj dapat berupa nilai pecah. Karena itu variabel keputusan merupakan variabel
kontinyu, sebagai lawan dari variabel diskrit atau bilangan bulat.
Deterministic
Semua parameter model (cj, aij dan bi ) diasumsikan diketahui konstan. LP secara tak
langsung mengasumsikan suatu masalah keputusan dalam suatu kerangka statis dimana
semua parameter diketahui dengan kapastian. Dalam kenyataannya, parameter model jarang
bersifat deterministik, karena mereka mencerminkan kondisi masa depan maupun sekarang,
dan keadaan masa depan jarang diketahui secara pasti.
Ada beberapa cara untuk mengatasi ketidak pastian parameter dalam model LP. Analisa
sensitivitas adalah suatu teknik yang dikembangkan untuk menguji nilai solusi. Bagaimana
kepekaannya terhadap perubahan-perubahan parameter.
Masalah LP dapat diilustrasikan dan dipecahkan secara grafik jika ia hanya memiliki
dua variabel keputusan. Meski masalah-masalah dengan dua variabel jarang terjadi dalam
dunia nyata, penafsiran seametris dari metode grafik ini sangat bermanfaat. Dari sini, kita
dapat menarik kesimpulan yang akan menjadi dasar untuk pembentukan metode pemecahan
masalah (solusi) yang umum melalui algoritma simplex.
12 of 22
Bahan kuliah Riset Operasi
Tek. Informatika UMMU Ternate
Zufri Hasrudy Siregar
X1 + 2X2 ≤ 10
6X1 + 6X2 ≤ 36
X1 ≤4
X1, X2 ≥0
Suatu cara sederhana untuk menggambarkan masing-masing persamaan garis adalah dengan
menetapkan salah satu variabel dalam suatu persamaan sama dengan nol dan kemudian
mencari nilai variabel yang lain. Misalnya pada kendala pertama jika X1 = 0, maka 2X2 = 10
atau X2 = 5. Dengan cara yang sama X2 = 0 maka X1 = 10. Kedua titik ini {(0,5) dan (10,0)}
kemudian dihubungkan dengan suatu garis
lurus.
1. Semua garis Z adalah sejajar, atau memiliki kemiringan yang sama sebesar -4/5
yang diperoleh memalui perhitungan berikut : X2 = Z/5 – (4/5)X1
2. Garis Z adalah garis-garis sejajar dalam jumlah tak terbatas.
13 of 22
Bahan kuliah Riset Operasi
Tek. Informatika UMMU Ternate
Zufri Hasrudy Siregar
6X1 + 6X2 = 36
X1= 4
X1, X2 ≥ 0
X1 =0, berarti X2 = 5
(10,5)
X2 = 0, bearti X1 = 10
X1 =0, berarti X2 = 6
(6,6)
X2 = 0, bearti X1 = 6
Terlihat pada grafik daerah feasible region yaitu daerah A,B,C,D,E. Untuk mencari nilai X1
dan X2 yang optimal dan memenuhi Z pada 4X1 + 5X2 dilakukan metode eliminasi diantara 2
garis yang bersinggungan yaitu X1 + 2X2 =10 dan 6X1 + 6X2 = 36 di titik B karena untuk
maksimum harus titik yang terjauh dari titik origin.
3X1 =6
X1 =2
6X1 + 6X2 = 36
6(2) + 6X2 = 36
6X2 = 24
X2 = 4
Z = 4(2) + 5(4)
Z = 28
14 of 22
Bahan kuliah Riset Operasi
Tek. Informatika UMMU Ternate
Zufri Hasrudy Siregar
X1 + 2X2 ≥ 10
6X1 + 6X2 ≥ 36
X1 ≥ 4
X1, X2 ≥0
15 X1 = 4
Feasible region
Z = 31
5 A 6X 1 + 6X 2 = 36
B
C
X 1 + 2X 2 = 10
x1
5 10
Dari grafik terlihat bahwa daerah feasible region(daerah layak) adalah A,B,C yang
perhitungannya adalah:
Titik A adalah titik X1 = 0 dan X2 = 5, bila dimasukkan dengan nilai Z = 4X1 + 5X2
mempunyai hasil Z = 25
Titik B adalah perpotongan garis X1 + 2X2 ≥ 10 dan 6X1 + 6X2 ≥ 36 sehingga didapat:
15 of 22
Bahan kuliah Riset Operasi
Tek. Informatika UMMU Ternate
Zufri Hasrudy Siregar
3X1 =6
X1 =2
6X1 + 6X2 = 36
6(2) + 6X2 = 36
6X2 = 24
X2 =4
Dengan melakukan pendekatan iso cost line, terlihat garis tersebut bersinggungan dengan
titik C. Dimana masih didalam daerah layak (feasible region), dan juga merupakan titik
yang terdekat dengan titik orgin. Sehingga didapat nilai minimum untuk persoalan itu
adalah X1 = 4 dan X2 = 3 dan Z= 31
Untuk menentukan solusi yang optimal, ada dua cara yang bisa digunakan yaitu :
Dalam Linear Programming dengan metode grafik sering dijumpai permasalahan secara
teknis, yaitu :
1. Infeasibility
2. Unboundedness
16 of 22
Bahan kuliah Riset Operasi
Tek. Informatika UMMU Ternate
Zufri Hasrudy Siregar
3. Redundancy
Infeasibility adalah suatu kondisi dimana tidak ada area layak yang memenuhi semua
kendala. Unboundedness adalah suatu kondisi dimana area layak tidak terbatas. Kasus ini
biasanya muncul pada fungsi tujuan maksimisasi. Redundancy constraint yang tidak
mempengaruhi feasible region disebut redundant conctraint misalnya bagian marketing
mengatakan bahwa tidak bisa menjual lebih dari 50 buah meja, maka pernyataan ini disebut
redundant. Kerena kenyataannya, bagian produksi maksimal hanya bisa memproduksi 40
meja. Alternatif Optima adalah situasi dimana terdapat lebih dari satu solusi optimal. Hal ini
akan terjadi apabila garis profit sejajar dengan salah satu kendala.
METODE SIMPLEX
17 of 22
Bahan kuliah Riset Operasi
Tek. Informatika UMMU Ternate
Zufri Hasrudy Siregar
variabel (M). Artificial variabel ini secara fisik tidak mempunyai arti, dan hanya
digunakan untuk kepentingan perhitungan saja.
5. Fungsi kendala dengan tanda “=” harus ditambah artificial variabel(M)
Metode simplex merupakan prosedur aljabar yang bersifat iteratif, yang bergerak selangkah
demi selangkah, dimulai dari suatu titik ekstrem pada daerah fisibel ( ruang solusi) menuju ke
titik ekstrem optimum. Misalkan model program linear sebagi berikut :
Meminimalkan : Z = Cx
Kendala Ax = b
X≥0
Dengan A, b, c dan x masing-masing adalah :
…
⎡ … ⎤ ⎡ ⎤
⎢. ⎥ ⎡ ⎤
. … . ⎢ . ⎥
A=⎢. ⎥ , b = ⎢ ⎥ , c = (c1, c2, ..., cn) dan x = ⎢⎢ . ⎥⎥
⎢ . … . ⎥ ⎢ . ⎥ ⎢
..
⎥
⎢. . … . ⎥ .
⎢ ⎥
⎣ ⎦ ⎣ ⎦
⎣ … ⎦
Untuk mendapatkan solusi dasis dari Ax = b maka sebanyak (n-m) variabel harus dinolkan.
Variabel yang dinolkan ini disebut variabel non basis. Selanjutnya dicar nilai dari n-(n-m) =
m variabel yang memenuhi Ax = b yang disebut variabel basis.
Kendala : X1 + 2X2 ≤ 10
6X1 + 6X2 ≤ 36
X1 ≤4
X1, X2 ≥0
Kendala : X1 + 2X2 + S1 = 10
6X1 + 6X2 + S2 = 36
18 of 22
Bahan kuliah Riset Operasi
Tek. Informatika UMMU Ternate
Zufri Hasrudy Siregar
X1 + S3 =4
VD Z X1 X2 S1 S2 S3 Hasil Rasio
Z 1 -4 -5 0 0 0 0
S1 0 1 2 1 0 0 10 5
S2 0 6 6 0 1 0 36 6
S3 0 1 0 0 0 1 4 ~
1. Tentukan kolom masuk
Pada kasus maksimalisasi, kolom masuk merupakan nilai negatif terbesar pada
persamaan Z atau baris Z pada tabel simplex, sehingga X2 merupakan kolom masuk.
VD Z X1 X2 S1 S2 S3 Hasil Rasio
Z 1 -4 -5 0 0 0 0
S1 0 1 2 1 0 0 10 5
S2 0 6 6 0 1 0 36 6
S3 0 1 0 0 0 1 4 ~
19 of 22
Bahan kuliah Riset Operasi
Tek. Informatika UMMU Ternate
Zufri Hasrudy Siregar
a. Persamaan Z baru
Persamaan Z lama (a) 1 -4 -5 0 0 0 0
Elemen kolom masuk pada -5 -5 -5 -5 -5 -5 -5
variabel dasar Z (b)
Persamaan pivot baru (c) 0 1/2 1 1/2 0 0 5
b x c = (d) 0 -21/2 -5 -21/2 0 0 -25
Persamaan Z baru (a-d) 1 -11/2 0 21/2 0 0 25
b. Persamaan S2 baru
Persamaan S2 lama (a) 0 6 6 0 1 0 36
Elemen kolom masuk pada 6 6 6 6 6 6 6
variabel dasar S2 (b)
Persamaan pivot baru (c) 0 1/2 1 1/2 0 0 5
b x c = (d) 0 3 6 3 0 0 30
Persamaan S2 baru (a-d) 0 3 0 -3 1 0 6
c. Persamaan S3 baru
Persamaan S3 lama (a) 0 1 0 0 0 1 4
Elemen kolom masuk pada 0 0 0 0 0 0 0
variabel dasar S3 (b)
Persamaan pivot baru (c) 0 1/2 1 1/2 0 0 5
b x c = (d) 0 0 0 0 0 0 0
Persamaan Z baru (a-d) 0 1 0 0 0 1 4
20 of 22
Bahan kuliah Riset Operasi
Tek. Informatika UMMU Ternate
Zufri Hasrudy Siregar
VD Z X1 X2 S1 S2 S3 Hasil Rasio
Z 1 -11/2 0 21/2 0 0 25
X2 0 1/2 1 1/2 0 0 5 10
S2 0 3 0 -3 1 0 6 2
S3 0 1 0 0 0 1 4 4
7. Kondisi optimum pada kasus maksimasi diperoleh ketika persamaan Z atau baris Z tidak
memiliki angka yang bernilai negative. Apabila kondisi optimum belum diperoleh, maka
dilakukan kembali iterasi seperti langkah sebelumnya.
Hasil Kolom masuk (X1) Rasio
5 1/2 5/1/2 = 10
6 3 6/3 = 2
4 1 4/1 = 4
a. Elemen pivot adalah = 3
2. Persamaan X2 baru
Persamaan X2 lama (a) 0 1/2 1 1/2 0 0 5
Elemen kolom masuk pada 1/2 1/2 1/2 1/2 1/2 1/2 1/2
variabel dasar X2 (b)
Persamaan pivot baru (c) 0 1 0 -1 1/3 0 2
b x c = (d) 0 0,5 0 -0,5 1/6 0 1
Persamaan X2 baru (a-d) 0 0 1 1 -1/6 0 4
3. Persamaan S3 baru
21 of 22
Bahan kuliah Riset Operasi
Tek. Informatika UMMU Ternate
Zufri Hasrudy Siregar
VD Z X1 X2 S1 S2 S3 Hasil Rasio
Z 1 0 0 1 0,5 0 28
X2 0 0 1 1 -1/6 0 4
X1 0 1 0 -1 1/3 0 2
S3 0 0 0 1 -1/3 1 2
5. Tabel simplex iterasi kedua diatas sudah optimum karena variabel nondasar pada
persamaan Z sudah bernilai positif, sehingga :
X1 = 2, X2 = 4 dan nilai Z = 28
6. Pada tabel optimum S1 dan S2 = 0. Artinya persediaan sumber daya pertama dan kedua
habis digunakan, tetapi masih memiliki sumber daya ketiga (S3) sebesar 2 karena tidak
digunakan.
22 of 22