TI2231 Penelitian Operasional I 1
Metode Simpleks dalam Bentuk Tabel (Simplex Method in Tabular Form)
Kuliah 04
Materi Bahasan
① Metode simpleks dalam bentuk tabel
② Pemecahan untuk masalah minimisasi
③ Masalah-masalah komputasi dalam metode simpleks
④ Penentuan basis layak
TI2231 Penelitian Operasional I 3
① Metode simpleks dalam Bentuk Tabel
Contoh Rumusan Masalah PL
Memaksimumkan Z = 3x1+ 2x2 dengan pembatas-pembatas:
x1+ 2x26 2x1+ x2 8 – x1 + x2 1 x2 2 x1≥ 0, x2≥ 0
TI2231 Penelitian Operasional I 5
Bentuk Kanonik
Memaksimumkan Z = 3x1+ 2x2 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,
Representasi Tabel
untuk Solusi Basis Layak Awal
cB
3 2 0 0 0 0
Konstanta x1 x2 x3 x4 x5 x6
0 x3 1 2 1 0 0 0 6
0 x4 2 1 0 1 0 0 8
0 x5 -1 1 0 0 1 0 1
Basis cj
TI2231 Penelitian Operasional I 7
Nilai Fungsi Tujuan
konstanta dan
vektor dari
product
inner c
BZ
02 1 8 6 0 , 0 , 0 ,
0
Z
Pemeriksaan Optimalitas
berkaitan dengan dalamsistemkanonik yang kolom dan
dari
j B j
j x
c uct
inner prod c
c
Nilai fungsi tujuan relatif (profit relatif /ongkos relatif ) untuk variabel non basis:
Kondisi optimal terjadi apabila semua nilai koefisien fungsi tujuan relatif untuk variabel non basis adalah tak positif [untuk masalah maksimisasi]
TI2231 Penelitian Operasional I 9
Nilai Fungsi Tujuan Relatif untuk Variabel Non Basis
30 1 2 1 0 , 0 , 0 , 0
1 3
c
21 1 1 2 0 , 0 , 0 , 0
2 2
c
Tabel 1 (awal)
cB
3 2 0 0 0 0
Konstanta x1 x2 x3 x4 x5 x6
0 x3 1 2 1 0 0 0 6
0 x4 2 1 0 1 0 0 8
0 x5 -1 1 0 0 1 0 1
Basis cj
TI2231 Penelitian Operasional I 11
Penentuan variabel yang masuk (entering variable)
• Variabel non basis yang dipilih untuk masuk ke basis (entering variable) variabel yang memberikan peningkatan per unit pada Z yang terbesar., yaitu variabel non basis yang
mempunyai nilai fungsi tujuan relatif terbesar (paling positif untuk masalah maksimasi).
Penentuan variabel yang masuk (entering variable)
cB
3 2 0 0 0 0
Konstanta x1 x2 x3 x4 x5 x6
0 x3 1 2 1 0 0 0 6
0 x4 2 1 0 1 0 0 8
0 x5 -1 1 0 0 1 0 1
0 x6 0 1 0 0 0 1 2
3 2 0 0 0 0 Z = 0
Basis cj
c Baris
TI2231 Penelitian Operasional I 13
Penentuan variabel yang keluar (leaving variable)
• Untuk menentukan variabel basis yang akan diganti (leaving variable), aturan rasio
minimum (minimum ratio rule) digunakan untuk menentukan limit bagi tiap pembatas.
Penentuan variabel yang keluar (leaving variable)
Nomor baris Variabel basis Batas atas bagi x1
1 x3 6/1 = 6
2 x4 8/2 = 4 (minimum)
3 x5
TI2231 Penelitian Operasional I 15
Penentuan variabel yang keluar (leaving variable)
cB
3 2 0 0 0 0
Konstanta x1 x2 x3 x4 x5 x6
0 x3 1 2 1 0 0 0 6
0 x4 2 1 0 1 0 0 8
0 x5 -1 1 0 0 1 0 1
0 x6 0 1 0 0 0 1 2
3 2 0 0 0 0 Z = 0
Basis cj
c Baris
Tabel 2
cB
3 2 0 0 0 0
Konstanta x1 x2 x3 x4 x5 x6
0 x3 0 3/2 1 -1/2 0 0 2
3 x1 1 1/2 0 1/2 0 0 4
0 x5 0 3/2 0 1/2 1 0 5
0 x6 0 1 0 0 0 1 2
0 1/2 0 -3/2 0 0 Z = 12
Basis cj
c Baris
TI2231 Penelitian Operasional I 17
Penentuan variabel yang masuk (entering variable)
cB
3 2 0 0 0 0
Konstanta x1 x2 x3 x4 x5 x6
0 x3 0 3/2 1 -1/2 0 0 2
3 x1 1 1/2 0 1/2 0 0 4
0 x5 0 3/2 0 1/2 1 0 5
0 x6 0 1 0 0 0 1 2
0 1/2 0 -3/2 0 0 Z = 12
Basis cj
c Baris
Penentuan variabel yang masuk (entering variable)
cB
3 2 0 0 0 0
Konstanta x1 x2 x3 x4 x5 x6
0 x3 0 3/2 1 -1/2 0 0 2
3 x1 1 1/2 0 1/2 0 0 4
0 x5 0 3/2 0 1/2 1 0 5
Basis cj
TI2231 Penelitian Operasional I 19
Tabel 3 (Optimal)
cB
3 2 0 0 0 0
Konstanta x1 x2 x3 x4 x5 x6
2 x2 0 1 2/3 -1/3 0 0 4/3
3 x1 1 0 -1/3 2/3 0 0 10/3
0 x5 0 0 -1 1 1 0 3
0 x6 0 0 -2/3 1/3 0 1 2/3
0 0 -1/3 -4/3 0 0 Z = 122/3
Basis cj
c Baris
Output Tabel Simpleks dengan Software
(WinQSB) (1)
TI2231 Penelitian Operasional I 21
Output Tabel Simpleks dengan Software (WinQSB) (2)
② Pemecahan untuk masalah minimisasi
TI2231 Penelitian Operasional I 23
Masalah minimisasi (Minimization problem)
• Koefisien fungsi tujuan relatif memberikan informasi perubahan dalam nilai Z per satu unit peningkatan variabel non basis.
• Nilai yang negatif pada koefisien fungsi tujuan relatif untuk suatu variabel non basis
mengindikasikan bahwa jika variabel non basis dinaikkan justru akan menyebabkan penurunan pada nilai Z.
Masalah minimisasi (Minimization problem))
• Oleh karena itu, untuk masalah minimasi, hanya variabel non basis yang mempunyai koefisien fungsi tujuan relatif yang negatif saja yang memenuhi syarat sebagai calon variabel yang masuk basis (entering variable).
• Variabel yang masuk basis (entering variable) adalah variabel yang mempunyai koefisien fungsi tujuan relatif paling negatif.
• Sehingga kondisi optimalitas pada masalah minimasi terjadi apabila semua nilai koefisien fungsi tujuan relatif variabel non basis adalah tak negatif.
TI2231 Penelitian Operasional I 25
Masalah minimisasi (Minimization problem)
• Alternatif lain untuk memecahkan masalah minimasi adalah dengan mengkonversikannya menjadi masalah maksimasi dengan
memecahkan dengan metoda simpleks untuk masalah maksimasi..
• Konversi dilakukan dengan mengalikan fungsi tujuan untuk masalah minimasi dengan minus satu.
Masalah minimisasi (Minimization problem)
Meminimumkan Z = 4x1+ x2 dengan pembatas-pembatas:
3x1+ x2= 3 4x1+ 3x2≥ 6 x1 + 2x2 4 x1≥ 0, x2≥ 0
TI2231 Penelitian Operasional I 27
Masalah minimisasi (Minimization problem)
Memaksimumkan Z’ = -4x1- x2 dengan pembatas-pembatas:
3x1+ x2= 3 4x1+ 3x2≥ 6 x1 + 2x2 4 x1≥ 0, x2≥ 0
Masalah Minimisasi (Minimization problem)
Solusi optimal kedua permasalahan akan sama, tetapi nilai optimalnya berbeda dalam hal tanda.
Dengan kata lain:
Nilai minimum dari Z = - (Nilai maksimum dari Z’)
TI2231 Penelitian Operasional I 29
③ Masalah-masalah komputasi dalam metode simpleks
Masalah-masalah komputasi
• Nilai yang sama pada koefisien fungsi tujuan relatif yang terbesar Pilih variabel non basis yang akan masuk (entering variable) secara sebarang.
• Nilai yang sama pada rasio minimum untuk dua atau lebih pembatas
– Pilih variabel yang akan keluar (leaving variable) secara sebarang.
TI2231 Penelitian Operasional I 31
Masalah-masalah komputasi
• Solusi optimal alternatif (alternate optimal
solution)• Solusi yang tak terbatas (unbounded solution)
Solusi optimum alternatif (Alternate optimum solution)
Memaksimumkan Z = 2x1+ 4x2 dengan pembatas-pembatas:
x1+ 2x25 x1+ x2 4 x1≥ 0, x2≥ 0
TI2231 Penelitian Operasional I 33
Bentuk kanonik
Memaksimumkan Z = 2x1+ 4x2 dengan pembatas-pembatas:
x1+ 2x2+ x3 = 5 x1+ x2 + x4= 4 x1≥ 0, x2≥ 0, x3 ≥ 0, x4≥ 0
Tabel 1
cB
2 4 0 0
Konstanta
x1 x2 x3 x4
0 x3 1 2 1 0 5
0 x4 1 1 0 1 4
Basis cj
TI2231 Penelitian Operasional I 35
Tabel 2 (Optimal)
cB
2 4 0 0
Konstanta
x1 x2 x3 x4
4 x2 1/2 1 1/2 0 5/2
0 x4 1/2 0 -1/2 1 3/2
0 0 -2 0 Z = 10
Basis cj
c Baris
Tabel 3 (Optimal alternatif)
cB
2 4 0 0
Konstanta
x1 x2 x3 x4
4 x2 0 1 1 -1 1
2 x1 1 0 -1 2 3
0 0 -2 0 Z = 10
Basis cj
c Baris
TI2231 Penelitian Operasional I 37
Solusi secara grafis
x1 x2
Catatan
• Solusi optimal alternatif dalam tabel simpleks dapat diidentifikasi dengan melihat apakah terdapat koefisien fungsi tujuan relatif yang nol untuk variabel non basis pada tabel optimal.
• Dalam praktek, pengetahuan tentang optima alternatif adalah berguna karena ini
memberikan manajemen untuk memilih solusi
yang terbaik yang cocok dengan situasi tanpa
TI2231 Penelitian Operasional I 39
Solusi tak terbatas (Unbounded solution)
Memaksimumkan Z = 2x1+ 3x2 dengan pembatas-pembatas:
x1– x2 2 -3x1+ x2 3 x1≥ 0, x2≥ 0
Bentuk kanonik
Memaksimumkan Z = 2x1+ 3x2 dengan pembatas-pembatas:
x1– x2 + x3 = 2 -3x1+ x2 + x4= 3
x1≥ 0, x2≥ 0, x3 ≥ 0, x4≥ 0
TI2231 Penelitian Operasional I 41
Tabel 1
cB
2 3 0 0
Konstanta
x1 x2 x3 x4
0 x3 1 -1 1 0 2
0 x4 -3 1 0 1 3
2 3 0 0 Z = 0
Basis cj
c Baris
Tabel 2
cB
2 3 0 0
Konstanta
x1 x2 x3 x4
0 x3 -2 0 1 1 5
3 x2 -3 1 0 1 3
Basis cj
TI2231 Penelitian Operasional I 43
Catatan
• Tabel 2 belum optimal
• Variabel non basis x
1dapat menjadi basis (entering variable) untuk menaikkan Z.
• Tetapi, aturan rasio minimum gagal karena tidak ada elemen positif pada kolom x
1.
• Dengan kata lain, jika x
1meningkat maka kedua variabel basis x
3dan x
2juga meningkat sehingga tidak akan pernah mencapai nol sebagai batas peningkatan x
1.
Catatan
• Ini berarti bahwa x1dapat dinaikkan secara tak terbatas.
• Karena tiap peningkatan satu unit x1 akan
meningkatkan Z sebesar 11 unit, maka fungsi tujuan dapat dinaikkan tak terbatas.
• Oleh karena itu, solusi bagi masalah LP adalah solusi tak terbatas (unbounded solution).
• Dengan demikian, kegagalan dalam aturan rasio minimum mengindikasikan bahwa masalah LP mempunyai solusi yang tak terbatas.
TI2231 Penelitian Operasional I 45
Solusi secara grafis
x1 x2
Degenerasi (Degeneracy)
• Jika terjadi nilai yang sama pada rasio minimum, maka pemilihan variabel yang
keluar basis (leaving variable) dapat dilakukan sebarang.
• Akibatnya, satu atau lebih variabel basis akan mempunyai nilai nol pada iterasi berikutnya.
• Dalam kasus ini, masalah LP dikatakan
TI2231 Penelitian Operasional I 47
Degenerasi (Degeneracy)
Memaksimumkan Z = 3x1+ 9x2 dengan pembatas-pembatas:
x1+ 4x2 8 x1+ 2x2 4 x1≥ 0, x2≥ 0
Bentuk kanonik
Memaksimumkan Z = 3x1+ 9x2 dengan pembatas-pembatas:
x1+ 4x2 + x3 = 8 x1+ 2x2 + x4= 4 x1≥ 0, x2≥ 0, x3 ≥ 0, x4≥ 0
TI2231 Penelitian Operasional I 49
Tabel 1
cB
3 9 0 0
Konstanta
x1 x2 x3 x4
0 x3 1 4 1 0 8
0 x4 1 2 0 1 4
3 9 0 0 Z= 0
Basis cj
c Baris
Tabel 2
cB
3 9 0 0
Konstanta
x1 x2 x3 x4
9 x2 1/4 1 1/4 0 2
0 x4 1/2 0 -1/2 1 0
Basis cj
TI2231 Penelitian Operasional I 51
Tabel 3 (Optimal)
cB
3 9 0 0
Konstanta
x1 x2 x3 X4
9 x2 0 1 ½ -1/2 2
0 x1 1 0 -1 2 0
0 0 -3/2 -3/2 Z = 18
Basis cj
c Baris
Catatan
• Implikasi praktek dari degenerasi?
– Terdapat pembatas yang redundan.
TI2231 Penelitian Operasional I 53
Solusi secara grafis
x1 x2
Catatan
• Dari sudut pandang teoritis, degenerasi mempunyai implikasi:
– Fenomena cycling atau circling prosedur simpleks mengulangi iterasi yang sama tanpa memperbaiki nilai fungsi tujuan dan tanpa pernah berhenti.
TI2231 Penelitian Operasional I 55
④ Penentuan Basis Layak
Pendekatan untuk mendapatkan solusi basis layak awal
• Trial-and-Error
– Variabel basis dipilih sebarang untuk tiap pembatas
– Tidak efisien
• Penggunaan variabel semu (artificial variable)
TI2231 Penelitian Operasional I 57
Contoh masalah LP
Meminimumkan Z = 4x1+ x2 dengan pembatas-pembatas:
3x1+ x2= 3 4x1+ 3x2≥ 6 x1 + 2x2 4 x1≥ 0, x2≥ 0
Bentuk standar
Meminimumkan Z = 4x1+ x2 dengan pembatas-pembatas:
3x1+ x2 = 3 4x1+ 3x2– x3 = 6 x1 + 2x2 + x4= 4 x1≥ 0, x2≥ 0, x3 ≥ 0, x4≥ 0
TI2231 Penelitian Operasional I 59
Penambahan variabel semu
3x1+ x2 + x5 = 3 4x1+ 3x2– x3 +x6 = 6
x1 + 2x2 + x4 = 4 x1, x2, x3, x4, x5, x6 ≥ 0
Variabel semu : x5, x6
Ide penggunaan variabel semu
• Variabel semu merupakan variabel tak negatif yang ditambahkan pada ruas kiri untuk tiap persamaan yang tidak mempunyai solusi basis awal.
• Variabel semu ini berperan sebagai variabel sisipan (slack variable) untuk memberikan solusi basis awal.
• Variabel semu tidak mempunyai arti fisik pada
permasalahan awal.
TI2231 Penelitian Operasional I 61
Ide penggunaan variabel semu
• Prosedur memaksa variabel semu untuk bernilai nol jika kondisi optimal tercapai.
• Cara yang logis adalah memberikan penalti pada variabel semu dalam fungsi tujuan.
• Pendekatan
– Metoda big M – Metoda dua fasaMetode Big M
• Variabel semu diberikan suatu penalti dengan suatu bilangan yang besar sekali pada fungsi tujuan.
• Metode simplex mencoba untuk memperbaiki fungsi tujuan dengan cara membuat variabel semu tidak ekonomis lagi untuk dipertahankan sebagai variabel basis dengan nilai yang positif.
• Untuk masalah
– Minimiasi : M – Maksimasi: -M
TI2231 Penelitian Operasional I 63
Metode big M
Meminimumkan Z = 4x1+ x2+ Mx5+ Mx6 dengan pembatas-pembatas:
3x1+ x2 + x5 = 3 4x1+ 3x2– x3 +x6 = 6 x1 + 2x2 + x4 = 4 x1, x2, x3, x4, x5, x6 ≥ 0
cB
4 1 0 0 M M
Konstanta x1 x2 x3 x4 x5 x6
M x5 3 1 0 0 1 0 3
M x6 4 3 -1 0 0 1 6
0 x4 1 2 0 1 0 0 4
Basis cj
C Baris
TI2231 Penelitian Operasional I 65
Nilai fungsi tujuan
konstanta dan
vektor dari
product
inner c
BZ
M M
MZ 9
4 6 3 0 ,
,
Pemeriksaan optimalitas
berkaitan dengan dalamsistemkanonik yang kolom dan
dari
j B j
j x
c uct
inner prod c
c
Nilai fungsi tujuan relatif (profit relatif /ongkos relatif ) untuk variabel non basis:
Kondisi optimal terjadi apabila semua nilai koefisien fungsi tujuan relatif untuk variabel basis adalah tak
TI2231 Penelitian Operasional I 67
Nilai fungsi tujuan relatif untuk variabel non basis
M M
Mc 4 7
1 4 3 0 , ,
1 4
M M
Mc 1 4
2 3 1 0 , ,
2 1
M M
Mc
0 1 0 0 , ,
3 0
Tabel 1
cB
4 1 0 0 M M
Konstanta
x1 x2 x3 x4 x5 x6
M x5 3 1 0 0 1 0 3
M x6 4 3 -1 0 0 1 6
0 x4 1 2 0 1 0 0 4
4 – 7M 1 – 4M M 0 0 0 Z = 9M
Basis cj
c Baris
TI2231 Penelitian Operasional I 69
Tabel 2
cB
4 1 0 0 M M
Konstanta
x1 x2 x3 x4 x5 x6
4 x1 1 1/3 0 0 1/3 0 1
M x6 0 5/3 -1 0 -4/3 1 2
0 x4 0 5/3 0 1 -1/3 0 3
0 -1/3
-5/3M M 0 -4/3
+7/3M 0 Z =
4 + 2M
Basis cj
c Baris
Tabel 3
cB
4 1 0 0 M M
Konstanta
x1 x2 x3 x4 x5 x6
4 x1 1 0 1/5 0 3/5 -1/5 3/5
1 x2 0 1 -3/5 0 -4/5 3/5 6/5
0 x 0 0 1 1 1 -1 1
Basis cj
TI2231 Penelitian Operasional I 71
Tabel 4 (Optimal)
cB
4 1 0 0 M M
Konstanta
x1 x2 x3 x4 x5 x6
4 x1 1 0 0 -1/5 2/5 0 2/5
1 x2 0 1 0 3/5 -1/5 0 9/5
0 x3 0 0 1 1 1 -1 1
0 0 0 1/5 -7/5
+ M M Z = 17/5
Basis cj
c Baris
Output Tabel Simpleks dengan Software
(WinQSB) (1)
TI2231 Penelitian Operasional I 73
Output Tabel Simpleks dengan Software (WinQSB) (2)
Metoda dua-fase (1)
• Fase I
– Mendapatkan solusi basis layak awal pada masalah original.
– Penghilangan variabel semu.
– Fungsi tujuan semu merupakan jumlah dari variabel semu yang diminimasi.
– Jika nilai fungsi tujuan sama dengan nol, maka semua variabel semu bernilai nol dan solusi basis layak diperoleh bagi masalah original.
– Jika nilai minimum fungsi tujuan adalah positif, maka
TI2231 Penelitian Operasional I 75
Metoda dua-fase (2)
• Fase II
– Solusi basis layak yang diperoleh pada Fase I dioptimasi terhadap fungsi tujuan origina.
– Tabel akhir pada Fase I menjadi tabel awal pada Fase II dengan perubahan pada fungsi tujuan.
Metoda dua-fase (Fase I)
Meminimumkan W = x5 + x6 dengan pembatas-pembatas:
3x1+ x2 + x5 = 3 4x1+ 3x2– x3 +x6 = 6 x1 + 2x2 + x4 = 4 x1, x2, x3, x4, x5, x6 ≥ 0
TI2231 Penelitian Operasional I 77
Tabel 1 [Fase I]
cB
0 0 0 0 1 1
Konstanta
x1 x2 x3 x4 x5 x6
1 x5 3 1 0 0 1 0 3
1 x6 4 3 -1 0 0 1 6
0 x4 1 2 0 1 0 0 4
– 7 – 4 1 0 0 0 W = 9
Basis cj
c Baris
Tabel 2 [Fase I]
cB
0 0 0 0 1 1
Konstanta
x1 x2 x3 x4 x5 x6
0 x1 1 1/3 0 0 1/3 0 1
1 x6 0 5/3 -1 0 -4/3 1 2
0 x 0 5/3 0 1 -1/3 0 3
Basis cj
TI2231 Penelitian Operasional I 79
Tabel 3 [Fase I]
cB
0 0 0 0 1 1
Konstanta
x1 x2 x3 x4 x5 x6
0 x1 1 0 1/5 0 3/5 -1/5 3/5
0 x2 0 1 -3/5 0 -4/5 3/5 6/5
0 x4 0 0 1 1 1 -1 1
0 0 0 0 1 1 W = 0
Basis cj
c Baris
Tabel 1 [Fase II]
cB
4 1 0 0
Konstanta
x1 x2 x3 x4
4 x1 1 0 1/5 0 3/5
1 x2 0 1 -3/5 0 6/5
0 x4 0 0 1 1 1
0 0 -1/5 0 Z = 18/5
Basis cj
c Baris
TI2231 Penelitian Operasional I 81
Tabel 2 [Fase II] (Optimal)
cB
4 1 0 0
Konstanta
x1 x2 x3 x4
4 x1 1 0 0 -1/5 2/5
1 x2 0 1 0 3/5 9/5
0 x4 0 0 1 1 1
0 0 0 1/5 Z = 17/5
Basis cj
c Baris
Solusi tak layak (infeasible solution)
• Dengan metoda big M
– Pada tabel optimal, satu atau lebih variabel semu tetap sebagai variabel basis
• Dengan metoda dua-fase
– Pada tabel optimal pada fase I, nilai fungsi tujuannya adalah positif, dimana satu atau lebih variabel semu sebagai basis)
TI2231 Penelitian Operasional I 83
Contoh masalah LP
Memaksimumkan Z = 3x1+ 2x2 dengan pembatas-pembatas:
2x1+ x22 3x1+ 4x2≥ 12
x1≥ 0, x2≥ 0
Bentuk standar
Memaksimumkan Z = 3x1+ 2x2 dengan pembatas-pembatas:
2x1+ x2 + x3 = 2 3x1+ 4x2 - x4 = 12
x1, x2, x3, x4≥ 0
TI2231 Penelitian Operasional I 85
Penambahan variabel semu
2x1+ x2 + x3 = 2 3x1+ 4x2 - x4 + x5 = 12
x1, x2, x3, x4, x5≥ 0
Metode big M
Memaksimumkan Z = 3x1+ 2x2 – Mx5 dengan pembatas-pembatas:
2x1+ x2 + x3 = 2 3x1+ 4x2 - x4 + x5 = 12
x1, x2, x3, x4, x5≥
TI2231 Penelitian Operasional I 87
Tabel 1
cB
3 2 0 0 -M
Konstanta
x1 x2 x3 x4 x5
0 x3 2 1 1 0 0 2
-M x5 3 4 0 -1 1 12
3 + 3M 2 + 4M 0 -M 0 Z = -12M
Basis cj
c Baris
Tabel 2
cB
3 2 0 0 -M
Konstanta
x1 x2 x3 x4 x5
0 x4 2 1 1 0 0 2
-M x5 -5 0 -4 -1 1 4
-1 -5M 0 -2 – 4M -M 0 Z =
4 – 4M
Basis cj
c Baris