TI2231 Penelitian Operasional I 1
Metode Simpleks
(Simplex Method)
Kuliah 03
Materi Bahasan
① Rumusan Pemrograman linier dalam bentuk
baku
② Pemecahan sistem persamaan linier
③ Prinsip-prinsip metode simpleks
TI2231 Penelitian Operasional I 3
① Rumusan Pemrograman Linier
dalam Bentuk Baku
Rumusan Pemrograman Linier dalam
Bentuk Baku
Z = c1x1+ c2x2+ … + cnxn a11x1+ a12x2+ … + a1nxn = b1 a21x1+ a22x2+ … + a2nxn= b2 . . . am1x1+ am2x2+ … + amnxn = bm dengan pembatas Memaksimumkan (Meminimumkan)TI2231 Penelitian Operasional I 5
Karakteristik Rumusan Bentuk Baku
• Fungsi tujuan adalah memaksimumkan atau
meminimumkan
• Semua pembatas dinyatakan dalam persamaan
• Semua variabel keputusan dibatasi sebagai tak
negatif
• Konstanta ruas kanan untuk tiap pembatas
adalah tak negatif
Notasi Matriks-Vektor (1)
Z = cx Maks (Min) Ax = b x ≥ 0 b ≥ 0 dg pembatas A : matriks (m x n) x : vektor kolom (n x 1) b : vektor kolom (m x 1) c : vektor baris (1 x n)TI2231 Penelitian Operasional I 7
Notasi Matriks-Vektor (2)
mn m m n n a a a a a a a a a 2 1 2 22 21 1 12 11 A n x x x 2 1 x m b b b 2 1 b c
c1 c2 cn
Reduksi ke Bentuk Baku
• Metode simpleks untuk memecahkan masalah
PL memerlukan bahwa masalah dinyatakan
dalam bentuk baku.
• Tidak semua masalah PL dalam bentuk baku
– Pembatas pertidaksamaan (inequality constraint). – Variabel yang tak dibatasi tanda (unrestricted in
TI2231 Penelitian Operasional I 9
Pembatas Pertidaksamaan (1)
• Karena bentuk baku memerlukan semua
pembatas harus dinyatakan dengan dalam
persamaan, pembatas pertidaksamaan harus
diubah ke persamaan.
• Ini dilakukan dengan penambahan variabel
baru untuk menunjukkan slack antara ruas kiri
dan kanan pada tiap pertidaksamaan.
• Variabel baru tersebut disebut slack variable
Pembatas Pertidaksamaan (2)
2x1+ 5x2≥ 18 ⇒ 2x1+ 5x2– x4= 18
x4≥ 0
x1+ 4x210 ⇒ x1+ 4x2+ x3 = 10
TI2231 Penelitian Operasional I 11
Variabel yang Tak Dibatasi Tanda (1)
• Dalam PL, adakalanya terdapat nilai variabel
yang tak dibatasi tanda (positif atau negatif)
• Karena bentuk baku PL memerlukan semua
variabel adalah tak negatif, maka variabel yang
tak dibatasi tanda diganti dengan selisih dua
variabel tak negatif
Variabel yang Tak Dibatasi Tanda (2)
x1 + x5= 50
x1 ≥ 0
x5 tak dibatasi tanda
x5 = x6– x7
TI2231 Penelitian Operasional I 13
Definisi Dasar (1)
• Suatu solusi layak (feasible solution) adalah
suatu vektor tak negatif x yang memenuhi
persamaan Ax = b.
• Daerah layak (feasible region), dinyatakan
dengan S, adalah himpunan dari semua solusi
layak yang mungkin. Secara matematis,
S = {x | Ax = b, x ≥ 0}
Jika himpunan layak S adalah kosong maka
masalah PL dikatakan tak layak (infeasible)
Definisi Dasar (2)
• Suatu solusi optimal (optimal solution) adalah suatu
vektor x*yang layak dan nilai fungsi tujuannya (cx*)
lebih besar dari semua solusi layak yang lain. Secara matematis,
x* adalah optimal x* S dan cx* ≥ cx, x S • Nilai optimal (optimal value) dari masalah PL adalah
nilai fungsi tujuan yang berkaitan dengan solusi
TI2231 Penelitian Operasional I 15
Definisi Dasar (3)
• Jika suatu PL mempunyai lebih dari satu solusi optimal maka PL disebut mempunyai solusi optimal alternatif (alternate optimal solution).
• Solusi optimal dari masalah PL dikatakan unik
(unique optimum) jika hanya terdapat tepat satu solusi optimal.
• Jika suatu masalah PL tidak mempunyai optimum
tertentu (finite optimum), yaitu maks. Z +, maka
PL dikatakan mempunyai solusi yang tak terbatas (unbounded solution)
TI2231 Penelitian Operasional I 17
Pemecahan Sistem Persamaan Linier (1)
• Permasalahan matematis utama dalam
pemrograman linier adalah mendapatkan solusi
dari suatu sistem persamaaan linier yang
memaksimumkan atau meminimumkan suatu
fungsi tujuan linier.
• Sistem persamaan linier dapat diselesaikan
dengan menggunakan prosedur klasik
Gauss-Jordan elimination.
Pemecahan Sistem Persamaan Linier (2)
x1 – 2x2+ x3 – 4x4 + 2x5= 2
x1– x2 – x3 – 3x4 – x5= 4 Sistem dengan dua persamaan dengan lima variabel yang tak diketahui
•Karena terdapat lebih banyak jumlah variabel yang tak diketahui daripada persamaan, maka sistem mempunyai lebih dari satu solusi.
•Himpunan dari semua solusi yang mungkin dari sistem disebut himpunan solusi (solution set)
TI2231 Penelitian Operasional I 19
Pemecahan Sistem Persamaan Linier (3)
• Sistem ekivalen (equivalent system)
– Dua sistem persamaan dikatakan ekivalen jika kedua sistem mempunyai himpunan solusi yang sama.
• Metode untuk memecahkan suatu sistem
persamaan adalah mendapatkan suatu sistem
ekivalen yang mudah untuk dipecahkan.
Pemecahan Sistem Persamaan Linier (4)
• Terdapat dua tipe operasi baris elementer
untuk mendapatkan sistem ekivalen
– Mengalikan sebarang persamaan dalam sistem dengan suatu bilangan positif atau negatif. – Menambahkan ke sebarang persamaan dengan
suatu konstanta pengali (positif, negatif atau nol) ke sebarang persamaan yang lain.
TI2231 Penelitian Operasional I 21
Pemecahan Sistem Persamaan Linier (5)
x1 – 2x2+ x3 – 4x4 + 2x5= 2 x2 – 2x3 + x4– 3x5 = 2 x1 – x3– 2x4 – 4x5= 6 x2 – 2x3+ x4– 3x5= 2 (S2) (S3) x1 – 2x2+ x3 – 4x4 + 2x5= 2 x1– x2 – x3 – 3x4 – x5= 4 (S1)
Pemecahan Sistem Persamaan Linier (6)
• Sistem S
1, S
2dan S
3adalah ekivalen, yaitu
solusi bagi satu sistem secara otomatis
memberikan solusi bagi sistem yang lain.
• Untuk sistem S
3, x
4= x
5= x
6= 0 akan
memberikan x
1= 6, x
2= 2.
• Sistem S
3disebut sistem kanonik (canonical
system).
• Variabel x
1dan x
2dari sistem kanonik disebut
variabel basis (basic variable).
TI2231 Penelitian Operasional I 23
Pemecahan Sistem Persamaan Linier (7)
• Variabel basis (basic variable)
– Variabel xidikatakan sebagai variabel basis jika dalam suatu persamaan ia muncul dengan koefisien satu pada persamaan tersebut, dan nol pada persamaan yang lain.
• Variabel non basis (nonbasic variable)
– Variabel yang bukan variabel basis.
• Operasi pivot (pivot operation)
– Suatu urutan operasi elementer yang mereduksi suatu sistem persamaan ke suatu sistem ekivalen untuk menghasilkan variabel basis.
Pemecahan Sistem Persamaan Linier (8)
• Solusi basis (basic solution)
– Solusi yang diperoleh dari suatu sistem kanonik dengan menetapkan nilai variabel non basis sama dengan nol dan memecahkan variabel basis.
• Solusi basis layak (basic feasible solution)
– Solusi basis dimana nilai variabel basisnya adalah tak negatif.
TI2231 Penelitian Operasional I 25
Pemecahan Sistem Persamaan Linier (9)
• Dengan m pembatas dan n variabel, jumlah
maksimum dari solusi basis bagi PL dalam
bentuk baku adalah terbatas dan diberikan oleh
! ! ! m n m n m n • Per definisi, setiap solusi basis layak adalah
solusi basis, maka jumlah maksimum solusi
basis layak adalah juga terbatas dengan
hubungan ini.
Pemecahan Sistem Persamaan Linier (10)
• Dari kesimpulan dengan metode grafis:
– Jika terdapat suatu solusi optimal dari model PL, salah satu titik pojok (corner point) dari daerah layak adalah solusi optimal.
• Dengan mudah dapat ditunjukkan bahwa setiap titik pojok dari daerah layak berkaitan dengan suatu solusi basis layak dari persamaan pembatas.
• Ini berarti bahwa suatu solusi optimal dari model PL dapat diperoleh hanya dengan memeriksa solusi basis layaknya.
TI2231 Penelitian Operasional I 27
Pemecahan Sistem Persamaan Linier (11)
• Pendekatan naif (naïve approach) untuk memecahkan masalah PL (yang mempunyai solusi optimal)
dilakukan dengan membangkitkan semua solusi basis layak yang mungkin dengan sistem kanonik dan menentukan solusi basis layak mana yang
memberikan nilai fungsi tujuan terbaik. • Dengan metode simpleks (simplex method),
pemecahan lebih efisien karena hanya memeriksa sebagian solusi basis layak.
TI2231 Penelitian Operasional I 29
Prinsip-prinsip Metode Simpleks (1)
• Metode simpleks (simplex method), yang
dikembangkan oleh G.B. Dantzig, merupakan
prosedur iteratif untuk memecahkan masalah
PL dengan mengekspresikannya dalam bentuk
baku.
• Metode simpleks memerlukan bahwa semua
pembatas dinyatakan dalam bentuk sistem
kanonik dimana suatu solusi basis layak dapat
langsung diperoleh.
Prinsip-prinsip Metode Simpleks (2)
• Langkah umum:
– Mulai dengan suatu solusi layak basis.
– Perbaiki solusi awal jika mungkin dengan mencari solusi layak basis yang mempunyai nilai fungsi tujuan yang lebih baik.
– Lanjutkan untuk mencari solusi-solusi layak basis yang dapat memperbaiki nilai fungsi tujuan. Jika suatu solusi layak basis tidak dapat diperbaiki lagi, maka solusi layak basis tersebut menjadi solusi optimal dan metode simpleks berhenti.
TI2231 Penelitian Operasional I 31
Prinsip-prinsip Metode Simpleks (3)
Memaksimumkan Z = 3x1+ 2x2 dengan pembatas-pembatas: x1+ 2x26 2x1+ x2 8 – x1 + x2 1 x2 2 x1≥ 0, x2≥ 0
Prinsip-prinsip Metode Simpleks (4)
Memaksimumkan Z = 3x1+ 2x2 + 0x3 + 0x4 + 0x5+ 0x6 dengan pembatas-pembatas: x1 + 2x2+ x3 = 6 2x1+ x2 + x4 = 8 – x1 + x2 + x5 = 1 x2 + x6= 2 x1 ≥ 0, x2≥ 0, x3≥ 0, x4 ≥ 0, x5≥ 0, x6 ≥ 0,
TI2231 Penelitian Operasional I 33
Prinsip-prinsip Metode Simpleks (5)
Variabel basis : x3, x4, x5, x6
Dengan menetapkan x1 = x2 = 0, maka diperoleh
solusi basis :
x3= 6, x4= 8, x5= 1, x6= 2
Nilai fungsi tujuan Z = 3(0)+2(0)+0(6)+0(8)+0(1)+0(2)= 0
Prinsip-prinsip Metode Simpleks (6)
Memperbaiki solusi basis layak
• Dengan diberikan solusi basis layak, yaitu x1 = x2= 0,
x3= 6, x4= 8, x5= 1, x6 = 2 dengan Z= 0, metode simpleks mengecek apakah mungkin untuk mendapatkan solusi basis layak yang lebih baik dengan nilai Z yang lebih besar.
• Ini dilakukan dengan pertama-tama memeriksa apakah solusi saat ini adalah optimal.
• Jika solusi solusi belum optimal, metode simpleks mencari suatu solusi basis layak tetangga (adjacent
basic feasible solution) dengan nilai Z yang lebih
TI2231 Penelitian Operasional I 35
Prinsip-prinsip Metode Simpleks (7)
• Suatu solusi basis layak tetangga (adjacent
basic feasible solution) berbeda dengan solusi
basis layak (basic feasible solution) saat ini
hanya tepat satu variabel basis.
Prinsip-prinsip Metode Simpleks (8)
• Untuk mendapatkan solusi basis layak
tetangga, metoda simpleks
– Membuat salah satu variabel basis menjadi variabel non basis
– Menjadikan salah satu variabel non basis menjadi variabel basis
• Permasalahannya adalah memilih solusi basis
dan solusi non basis yang pertukarannya
TI2231 Penelitian Operasional I 37
Prinsip-prinsip Metode Simpleks (9)
• Dalam solusi basis layak
– Variabel basis dapat mempunyai nilai yang positif – Varibel non basis selalu mempunyai nilai nol
• Membuat variabel non basis menjadi variabel basis adalah ekivalen dengan menaikkan nilainya dari nol ke positif.
• Tentu saja, pilihan yang harus dibuat adalah menentukan variabel non basis mana yang dapat memberikan perbaikan pada nilai Z
• Ini dilakukan dengan menaikkan nilai variabel non basis menjadi satu unit dan memeriksa perubahannya pada nilai fungsi tujuan Z.
Prinsip-prinsip Metode Simpleks (10)
Misalkan variabel non basis x1 dinaikkan 1 unit
x1 + x3 = 6
2x1 + x4 = 8
– x1 + x5 = 1
0x1 + x6= 2
x1= 1, x2= 0, x3= 5, x4 = 6, x5= 2, x6= 2
Nilai fungsi tujuan
Z = 3(1)+2(0)+0(5)+0(6)+0(2)+0(2)= 3
Perubahan nilai Z per peningkatan satu unit x1
TI2231 Penelitian Operasional I 39
Prinsip-prinsip Metode Simpleks (11)
Misalkan variabel non basis x2 dinaikkan 1 unit
2x2 + x3 = 6
x2 + x4 = 8
x2 + x5 = 1
x2 + x6 = 2
x1= 0, x2= 1, x3= 4, x4 = 7, x5= 0, x6= 1
Nilai fungsi tujuan
Z = 3(0)+2(1)+0(4)+0(7)+0(0)+0(1)= 2
Perubahan nilai Z per peningkatan satu unit x2
Z = 2 – 0 = 2
Prinsip-prinsip Metode Simpleks (12)
• Karena
Z positif untuk x
1dan x
2 nilai
fungsi tujuan dapat dinaikkan.
• Karena
Z untuk x
1>
Z untuk x
2maka
menaikkan x
1lebih baik.
• Sampai seberapa jauh x
1dapat dinaikkan?
• Jika x
1dinaikkan maka nilai variabel basis :
TI2231 Penelitian Operasional I 41
Prinsip-prinsip Metode Simpleks (13)
Batas peningkatan x1:
x1 + x3 = 6 x1= 6
2x1 + x4 = 8 x1= 4
– x1 + x5 = 1 x1=
0x1 + x6= 2 x1=
Maksimum peningkatan x1= minimum (6, 4, , ) = 4
Prinsip-prinsip Metode Simpleks (14)
x1dinaikkan ke 4, maka x4menjadi variabel non basis
TI2231 Penelitian Operasional I 43
Prinsip-prinsip Metode Simpleks (15)
x1+ 2x2+ x3 = 6 2x1+ x2 + x4 = 8 – x1 + x2 + x5 = 1 x2 + x6= 2 3/ 2x2+ x3 –1/2 x4 = 2 x1+ 1/ 2x2 +1/2x4 = 4 3/ 2x2 + 1/2x4+ x5 = 5 x2 + x6 = 2 Variabel basis : x1, x3, x5, x6;
Variabel non basis: x2, x4
(5) (2) (4) x2 D E
TI2231 Penelitian Operasional I 45
Prinsip-prinsip Metode Simpleks (17)
3/ 2x2 + x3 = 2 x1+ 1/ 2x2 = 4 3/ 2x2 + x5 = 5 x2 + x6 = 2
Misalkan variabel non basis x2 dinaikkan 1 unit
x1= 7/
2, x2 = 1, x3= 1/2, x4= 0, x5= 7/2, x6= 1 Nilai fungsi tujuan
Z = 3(7/
2)+2(1)+0(1/2)+0(0)+0(7/2)+0(1)= 121/2
Perubahan nilai Z per peningkatan satu unit x2
Z = 121/
2– 12 = 1/2
Prinsip-prinsip Metode Simpleks (18)
x3 –1/ 2 x4 = 2 x1 +1/ 2x4 = 4 + 1/ 2x4 + x5 = 5 0x4 x6 = 2
Misalkan variabel non basis x4 dinaikkan 1 unit
x1= 7/
2, x2 = 0, x3= 5/2, x4= 1, x5= 9/2, x6= 2 Nilai fungsi tujuan
Z = 3(7/
2)+2(0)+0(5/2)+0(1)+0(9/2)+0(2)= 101/2
Perubahan nilai Z per peningkatan satu unit x4
Z = 101/
TI2231 Penelitian Operasional I 47
Prinsip-prinsip Metode Simpleks (19)
• Karena
Z positif untuk x
2 nilai fungsi
tujuan dapat dinaikkan
• Karena
Z negatif untuk x
4 nilai fungsi
tujuan tidak dapat dinaikkan
• Sampai seberapa jauh x
2dapat dinaikkan?
• Jika x
2dinaikkan maka nilai variabel basis :
x1, x3, x5, x6akan turun dan nilainya harus tak negatif agar tetap layak.
Prinsip-prinsip Metode Simpleks (20)
Batas peningkatan x2: 3/ 2x2 + x3 = 2 x2 = 4/3 x1+ 1/ 2x2 = 4 x2 = 8 3/ 2x2 + x5 = 5 x2= 10/3 x2 + x6 = 2 x2= 2
TI2231 Penelitian Operasional I 49
Prinsip-prinsip Metode Simpleks (21)
x2dinaikkan ke 4/
3, maka x3menjadi variabel non basis
x1= 10/
3, x2 = 4/3, x3= 0, x4= 0, x5= 3, x6 = 2/3dan Z = 122/3
Prinsip-prinsip Metode Simpleks (22)
3/ 2x2+ x3 –1/2 x4 = 2 x1+ 1/ 2x2 +1/2x4 = 4 3/ 2x2 + 1/2x4 + x5 = 5 x2 + x6= 2 x2 + 2/ 3x3 –1/3 x4 =4/3 x1 –1/ 3x3 + 2/3x4 =10/3 – x3 + x4 + x5 = 3 –2/ 3x3 + 1/3x4 + x6=2/3 Variabel basis : x1, x2, x5, x6;
TI2231 Penelitian Operasional I 51(6) (2) (4) (3) (1) x1 x2 A B C D E F
Prinsip-prinsip Metode Simpleks (24)
x2 + 2/ 3x3 =4/3 x1 –1/ 3x3 =10/3 – x3 + x5 = 3 –2/ 3x3 + x6=2/3
Misalkan variabel non basis x3 dinaikkan 1 unit
x1= 11/
3, x2 = 2/3, x3 = 1, x4= 0, x5= 4, x6 = 4/3 Nilai fungsi tujuan
Z = 3(11/
TI2231 Penelitian Operasional I 53
Prinsip-prinsip Metode Simpleks (25)
Misalkan variabel non basis x4 dinaikkan 1 unit
x1= 8/
3, x2 = 5/3, x3 = 0, x4= 1, x5= 2, x6 = 1/3 Nilai fungsi tujuan
Z = 3(8/
3)+2(5/3)+0(0)+0(1)+0(2)+0(1/3)= 111/3
Perubahan nilai Z per peningkatan satu unit x4
Z = 111/ 3 – 122/3= –4/3 x2 –1/ 3 x4 =4/3 x1 + 2/ 3x4 =10/3 x4 + x5 = 3 1/ 3x4 + x6=2/3
Prinsip-prinsip Metode Simpleks (25)
• Karena
Z negatif untuk x
3dan x
4 nilai
fungsi tujuan tidak dapat dinaikkan
• Karena tidak ada variabel non basis yang dapat
dinaikkan yang dapat memberikan peningkatan
pada nilai fungsi tujuan Z maka solusi saat ini
adalah optimal.
TI2231 Penelitian Operasional I 55
Prinsip-prinsip Metode Simpleks (26)
• Untuk masalah maksimisasi:
– Suatu solusi basis layak adalah optimal jika profit relatif (Z) dari variabel non basis adalah negatif