OPERATION RESEARCH

I.

PROGRAM LINEAR

1.1 Definisi Program Linier

Pemograman linier menggunakan model matematika untuk menggambarkan suatu masalah. Sifat
linier di sini berarti semua fungsi matematika harus berupa fungsi linier, sedangkan kata
pemrograman berarti perencanaan. Sehingga pemrograman linier meliputi perencanaan aktivitas
untuk mendapatkan hasil optimal, yaitu sebuah hasil yang mencapai tujuan yang terbaik (menurut
model matematika) diantara semua kemungkinan alternative yang ada. Hal terpenting yang perlu kita
lakukan adalah mencari tahu tujuan penyelesaian masalah dan apa penyebab masalah tersebut.

a.
b.
c.
d.

1.2 Istilah untuk Solusi Model

Solusi dalam pemrograman linier adalah nilai untuk variabel keputusan (x 1, x2, ...,xn), tanpa
menghiraukan apakah solusi tersebut merupakan pilihan yang diinginkan maupun yang
diperbolehkan. Tipe solusi yang berbeda akan diidentifikasi dengan menggunakan sifat yang tepat.
Solusi layak (feasible solution) adalah solusi dimana semua kendala yang ada terpenuhi.
Solusi tak layak(infeasible solution) adalah solusi dimana sedikitnya satu kendala tidak terpenuhi atau
dengan kata lain dilanggar.
Solusi optimal adalah solusi layak yang memiliki nilai fungsi tujuan terbaik. Permasalahan
pemrograman linier tidak mempunyai solusi optimal terjadi hanya jika:
Tidak ada solusi layak
Kendala-kendala tidak mencegah naiknya nilai fungsi tujuan (Z) ke arah yang tidak terdefinisi, baik
ke arah positif atau negatif.
Solusi corner-point feasible (CPF) adalah solusi yang ada di setiap sudut daerah layak.
1.3 Model Pemrograman Linier
Kunci terpenting dalam model pemrograman linier adalah sumber daya dan aktivitas dimana m
merupakan jenis sumber daya yang berbeda yang dapat digunakan serta n yang merupakan jumlah
aktivitas yang dipertimbangkan.
Ada beberapa simbol yang digunakan untuk menunjukkan berbagai komponen model pemrograman
linier. Berikut adalah daftar simbol dengan tafsirannya untuk permasalahan umum pengalokasian
sumber daya ke aktivitas.
Z = nilai dari semua standar performansi
Xi = tingkat aktivitas j ( untuk j = 1, 2, ..., m)
Cj = Penambahan terhadap Z yang diakibatkan oleh peningkatan tiap unit di tingkat aktivitas j.
Bi = jumlah sumber daya i yang tersedia untuk aktivitas ( untuk i = 1, 2, ..., m)
Aij = jumlah sumber daya i yang dipakai tiap unit aktivitas j
Suatu model akan membuat permasalahan menjadi suatu bentuk pengambilan keputusan mengenai
tingkat aktivitas sehingga x1, x2, ...,xn disebut variabel keputusan. Nilai cj, bi, dan aij (untuk i=1,2,...,m
dan j=1,2,...,n) adalah input konstan untuk suatu model. Serta c j, bi, dan aij disebut parameter model.

1.4 Bentuk Permasalahan Pemrograman Linier Model

a. Mengoptimalkan fungsi tujuan
Maksimalisasi : Z= c1x1+c2x2+...+cnxn
Minimalisasi : Z= a1x1+c2x2+...+cnxn

b. Beberapa kendala fungsional pertidaksamaan dengan tanda lebih besar ( untuk meminimalkan fungsi
tujuan) dan tanda kurang dari (untuk memaksimalkan fungsi tujuan) atau sama dengan.
Maksimalisasi: ci1x1+ci2x2+...+cinxn bi (untuk beberapa nilai i)
Minimalisasi : ci1x1+ci2x2+...+cinxn bi (untuk beberapa nilai i)
c. Beberapa kendala fungsional dengan bentuk persamaan
ci1x1+ci2x2+...+cinxn = bi untuk beberapa nilai i
d. Menghilangkan kendala nonnegativitas untuk beberapa variabel keputusan
Xj tidak dibatasi (unrestricted) untuk beberapa nilai j.
1.5 Karakteristik atau Asumsi Dasar Program Linear
1. Proporsionalitas
Asumsi ini berarti naik turunnya nilai Z dan penggunaan sumber atau fasilitas yang tersedia akan
berubah secara sebanding (proporsional) dengan perubahan tingkat kegiatan.
2. Additivitas
Asumsi ini berarti setiap fungsi dalam model pemrograman linear (baik fungsi tujuan maupun fungsi
disebelah kiri kendala fungsional) adalah jumlah kontribusi individu pada masing-masing aktivitas.
3. Divisibilitas
Asumsi ini menyatakan bahwa keluaran (output) yang dihasilkan oleh setiap kegiatan dapat berupa
bilangan pecahan.
4. Kepastian
Asumsi ini menyatakan bahwa semua parameter yang terdapat dalam model program linear dapat
diperkirakan dengan pasti, meskipun jarang tepat.
1.6 Metoda Grafis
Cara ini dapat digunakan untuk menyelesaikan permasalahan pemrograman linier dengan dua
variable keputusan. Walaupun akan timbul banyak kesulitan, metode ini masih memungkinkan untuk
menyelesaikan permasalahan yang mempunyai tiga variable keputusan.
Contoh Soal:
PT Iguana Tekstil memiliki sebuah pabrik yang akan memproduksi 2 jenis produk, yaitu kain sutera
dan kain wol. Untuk memproduksi kedua produk diperlukan bahan baku benang sutera, bahan baku
benang wol dan tenaga kerja. Maksimum penyediaan benang sutera adalah 60 kg per hari, benang
wol 30 kg per hari dan tenaga kerja 40 jam per hari. Kedua jenis produk memberikan keuntungan
sebesar Rp 40 juta untuk kain sutera dan Rp 30 juta untuk kain wol. Masalahnya adalah bagaimana
menentukan jumlah unit setiap jenis produk yang akan diproduksi setiap hari agar keuntungan yang
diperoleh bisa maksimal?
Jawab: Langkah-langkah:
1. Tentukan variabel: X1=kain sutera ; X2=kain wol
2. Fungsi tujuan : Zmax= 40X1 + 30X2
3. Fungsi kendala / batasan: 1) 2X1 + 3X2 60 (benang sutera)
2)
2X2 30 (benang wol)
3) 2X1 + X2 40
(tenaga kerja)
4. Membuat grafik
Pers (1) 2X1 + 3X2 = 60
X1=0, X2 =60/3 = 20
X2=0, X1= 60/2 = 30
Pers (2) 2X2 = 30
;
X2=15
Pers (3) 2X1 + X2 = 40

X1=0, X2 = 40
X2=0, X1= 40/2 = 20

Daerah penyelesaian
Gambar 2.1 Grafik Daerah Penyelesaian
Dari gambar 2.1 dapat kita ketahui bahwa titik ekstrim yang optimal berada pada titik C, yaitu titik
potong antara persamaan (1) dan (3), sehingga:
Titik potong (1) dan (3) :
2X1 + 3X2 = 60
2X1 + X2 = 40 2X2=20 X2=10
Masukkan X2 ke kendala (1)
2X1 + 3X2 = 60
2X1 + 3.10 = 60
2X1 + 30 = 60
2X1 = 30 X1 = 15
Masukkan nilai X1 = 15 dan X2=10 ke Z
Zmax = 40X1 + 30X2
= 40.15 + 30.10 = 600 + 300 = 900 (optimal)
Kesimpulan :
Untuk memperoleh keuntungan optimal, maka X1 = 15 dan X2 = 10 dengan keuntungan
sebesar Rp 900 juta.
II.

METODE SIMPLEKS

Metode simpleks adalah salah satu teknik penyelesaian pemrograman linier selain menggunakan
metode grafis. Metode simpleks diaplikasikan pada komputer dan metode tersebut sangat membantu
untuk permasalahan pemrograman linier yang rumit karena menggunakan fungsi dan variabel yang
banyak dan tak mampu diselesaikan oleh metode grafis.
2.1 Beberapa istilah dalam metode simpleks:

1. Solusi augmentasi merupakan sebuah solusi untuk variabel-variabel asli (variabel-variabel

keputusan) yang telah diaugmentasi dengan nilai variabel-variabel slack yang bersesuaian.
2. Solusi titik sudut layak (corner-points feasible solution) atau CPF adalah titik perpotongan dari
persamaan fungsi batasan yang memenuhi daerah fesibel.
3. Iterasi adalah tahapan perhitungan dimana nilai dalam perhitungan itu tergantung dari nilai tabel
sebelumnya.
4. Variabel non basis adalah variabel yang nilainya diatur menjadi nol pada sembarang iterasi. Dalam
terminologi umum, jumlah variabel non basis selalu sama dengan derajat bebas dalam sistem
persamaan.
5. Variabel basis merupakan variabel yang nilainya bukan nol pada sembarang iterasi. Pada solusi
awal, variabel basis merupakan variabel slack (jika fungsi kendala merupakan pertidaksamaan )
atau variabel buatan (jika fungsi kendala menggunakan pertidaksamaan atau =). Secara umum,
jumlah variabel basis selalu sama dengan jumlah fungsi pembatas (tanpa fungsi non negatif).
6. Variabel slack adalah variabel yang ditambahkan ke model matematik kendala untuk
mengkonversikan pertidaksamaan menjadi persamaan (=). Penambahan variabel ini terjadi pada
tahap inisialisasi. Pada solusi awal, variabel slack akan berfungsi sebagai variabel basis.
7. Variabel surplus adalah variabel yang dikurangkan dari model matematik kendala untuk
mengkonversikan pertidaksamaan menjadi persamaan (=). Penambahan ini terjadi pada tahap
inisialisasi. Pada solusi awal, variabel surplus tidak dapat berfungsi sebagai variabel basis

a.
b.
c.
d.
e.

2.2 Solusi basis layak (Basic Feasible Solution)

Solusi basis layak atau basic feasible solution merupakan solusi dari titik sudut layak (CPF) dimana
nilai variabel-variabel asli (variabel-variabel keputusan) telah diagumentasi dengan nilai dari variabelvariabel slack yang bersesuaian.
Sifat-sifat solusi basis:
Setiap variabel ditunjuk sebagai variabel nonbasis atau sebagai variabel basis
Jumlah variabel basis sama dengan jumlah fungsi kendala (disebut persamaan). Oleh karena itu,
jumlah variabel nonbasis sama dengan total jumlah variabel dikurangi jumlah fungsi kendala.
Variabel-variabel non basis ditetapkan sama dengan nol.
Nilai-nilai variabel basis ditetapkan sebagai solusi simultan dari sistem persamaan (fungsi kendala
pada bentuk yang diaugmentasi)
Jika variabel basis memenuhi kendala nonnegatif, solusi basis adalah solusi BF.

2.3 Prosedur penyelesaian program linear dengan Metode Simpleks BFS

1. Formulasikan persoalan menjadi model linear
2. Tambahkan variabel Slack pada masing-masing constraint (pembatas) untuk memperoleh bentuk
standar. Model ini digunakan untuk identifikasi solusi feasible awal dari pembatas bertanda lebih kecil
atau sama dengan.
3. Inisialisasi : pemilihan x1 dan x2 sebagai variabel nonbasis (variabel diberi nilai nol) sebagai solusi BF
awal didasarkan pada konsep semua variabel keputusan sama dengan nol sebagai solusi CPF awal.
Pemilihan ini menghilangkan pekerjaan yang diperlukan untuk menyelesaikan variabel basis dari
sistem pemrograman linier.
4. Uji optimalitas digunakan untuk menguji apakah variabel nonbasis menunjukkan laju perbaikan pada
nilai Z jika variabel tersebut ditingkatkan nilainya dari nol (sementara ini variabel basis disesuaikan
nilainya agar memenuhi sistem persamaannya). Jika laju perbaikan dari variabel tersebut positif maka
solusi CPF yang bersebrangan memiliki penyelesaian lebih baik daripada CPF saat ini sehingga
disimpulkan tidak optimal dan berlanjut ke langkah iterasi selanjutnya. Jika tidak ditemukan laju

pergerakan ke arah positif maka solusi CPF saat ini merupakan solusi yang optimal dan prosedur pun
selesai. Iterasi untuk menemukan BF yang baru dengan prosedur pencarian solusi simultan pada
sistem pemrograman linier atau disebut metode eliminasi Gauss-Jordan. Kemudian melakukan uji
optimalitas sampai tercapai solusi optimal.

2.4 Metode Simpleks Tabel

Metode simpleks adalah teknik untuk menyelesaikan program linier yang tidak mampu diselesaikan
oleh metode grafis. Metode simpleks sendiri memiliki kerangka berpikir beberapa macam yaitu
dengan menggunakan BFS (basis fesibel solution) dan metode simpleks dengan menggunakan tabel.
Metode simpleks dengan menggunakan tabel hanya memuat tiga informasi penting yaitu koefisien
pada variabel, konstanta pada ruas kanan persamaan dan variabel basis yang muncul untuk setiap
persamaan.
Langkah langkah metode simpleks tabel:
1) Inisialisasi
Langkah pertama yaitu memasukkan variabel slack. Kemudian pilihlah variabel keputusan yang
kemudian akan dijadikan sebagai variabel nonbasis awal. Lalu pilihlah varibel slack yang akan
dijadikan sebagai variabel basis awal.
2) Uji Optimalitas
Dalam uji optimalitas, BFS saat ini dapat dikatakan optimal apabila setiap koefisien dalam baris nol
adalah nonnegatif, sehingga langkah-langkah dalam metode simpleks tabel dapat selesai. Namun
apabila setiap koefisien dalam baris nol adalah bukan nonnegatif, maka langkah selanjutnya adalah
iterasi untuk mendapatkan BFS berikutnya.
3) Iterasi
Langkah 1:

Tentukanlah variabel basis yang masuk dengan memilih variabel dengan koefisien negatif yang
mempunyai nilai absolut paling besar (paling negatif). Kemudian letakkanlah kotak di sekitar kolom
dibawah koefisien tersebut, kolom ini sering disebut kolom sumbu atau pivot column.
Langkah 2:

Langkah selanjutnya yaitu dengan menentukan variabel basis yang keluar. Hal ini dapat dilakukan
dengan menerapkan uji rasio minimum yaitu dengan cara:
Mengambil masing-masing koefiien dalam kolom sumbu yang positif
Membagi masing-masing angka pada ruas kanan dengan koefisien pada kolom sumbu dalam baris

yang sama
tentukanlah baris mana yang mempunyai rasio yang paling kecil
variabel basis pada baris adalah variabel basis yang keluar, kemudian gantilah variabel itu dengan

variabel basis yang masuk dalam kolom variabel basis tabel simpleks yang berikutnya.
Kemudian letakkanlah kota disekitar baris ini yang biasa disebut baris sumbu (pivot row) dan angka
yang berada dalam baris sumbu dan kolom sumbu disebut angka sumbu (pivot number).
Langkah 3:
Langkah selanjutnya adalah carilah BFS baru dengan menggunakan operasi baris dasar. Hal ini
dimaksudkan untuk membentuk tabel simpleks yang baru.
2.5 Metode Big M
Metode Big M digunakan untuk menyelesaikan fungsi-fungsi dalam program linier yang tidak berada
dalam bentuk baku atau standar ( bentuk standar adalah memaksimalkan Z sesuai dengan kendala
fungsional dalam bentuk dan kendala nonegativitas di semua variabel) dan salah satu contoh

masalah dalam kendala funsional adalah bila fungsi dalam bentuk-bentuk = atau atau bahkan ruas
kanan yang negatif.
Masalah ini akan muncul bila kita akan mencari basis fesibel awal sehingga sebelum mencari variabel
apa yang akan menjadi variabel nonbasis bahkan basis perlu dilakukan suatu teknik pendekatan
khusus untuk mengubah fungsi tersebut ke bentuk baku atau standar. Teknik pendekatan khusus
tersebut dengan cara menambahkan variabel dummy (variabel artifisial) pada kendala fungsional dan
teknik ini disebut dengan teknik variabel artifisial.
Ada pun prosedur mendapatkan BF awal pada kendala fungsional adalah
a.
Gunakan teknik variabel artifisial
Tambahkan variabel artifisal nonegatif pada fungsi kendala yang belum baku, dan anggaplah variabel
artifial tersebut sebagai salah satu variabel slack
b.
Tugaskan pinalty yang besar
Berilah nilai variabel artifisial dengan nilai > 0 sehingga koefisien variabel artifisial menjadi M (big m)
secara simbolik yang menunjukkan bahwa variabel artifisial tersebut memiliki angka positif raksasa
( dan pengubahan atas variabel artifisial bernilai 0 (variabel nonbasis) dalam solusi optimal disebut
metode big m).
2.6 Metode Dua Phase
Dalam menyelesaiakan suatu persoalan dimana variabelnya lebih dari dua, juga menggunakan suatu
metode yang bertahap. Metode ini disebut sebagai metode dua phase.
Pada dasarnya Metode dua fase (phase) sama seperti metode big M yang juga digunakan untuk
menyelesaikan persoalan pemrograman linier yang memiliki bentuk yang tidak standar. Berikut ini
adalah prosedur menggunakan metode dua fase.
1. Inisialisasi
Menambahkan variabel-variabel artifisal pada fungsi kendala yang memiliki bentuk tidak standar.
Variabel artificial ini ditambahkan pada fungsi batasan yang pada mulanya memiliki tanda (). Hal ini
digunakan agar dapat mencari solusi basic fesibel awal.
2. Fase 1
Digunakan untuk mencari basic fesibel awal. Pada fase 1 memiliki langkah-langkah dimana
tujuannya adalahm meminimalkan variabel artifisial ( Min Y= Xa)
s.t : Ax = b
X=0
Pada fase pertama bertujuan untuk memperoleh penyelesaian yang optimum dari suatu
permasalahan. Pada fase pertama fungsi tujuan selalu minimum variabel artificial, meskipun
permasalahan yang ada adalah permasalahan yang maksimum. Dalam meyelesaiakan pada fase
pertama, yaitu membuat nilai nol dulu pada variabel artifisial, kemudian melanjutkan iterasi seperti
proses iterasi biasanya(dengan aturan meminimumkan). Berhenti ketika pada baris ke-0 bernilai 0.
Fase pertama dianggap telah selesai atau memperoleh penyelesaian yang optimal adalah apabila
variabel artifisial adalah merupakan variabel basis. Sedangkan apabila variabel artifisial adalah
variabel non basis, maka masalah dianggap tidak mempunyai penyelesaian yang optimal, sehingga
harus dilanjutkan ke fase yang kedua.
Pada fase kedua, tujuannya sama seperti fase pertama, yaitu untuk mendapatkan penyelesaian yang
optimal dari suatu permasalahan yang ada. Fase dua berhenti sesuai dengan tujuan awal
permasalahan.
3. Fase 2
Digunakan untuk mencari solusi optimum pada permasalahan riil. Karena variabel artifisial bukan
merupakan termasuk variabel dalam permasalahan riil, variabel artifisial tersebut dapat dihilangkan

( Xa=0). Bermula dari solusi BF yang didapatkan dari akhir fase 1. Pada fase 2 ini memiliki langkahlangkah sebagai berikut:
1. Fungsi tujuan bisa memaksimalkan dan juga bisa meminimalkan tergantung pada permasalahan yang
dihadapi.
2. Menggunakan fungsi batasan (s.t) dari fase 1, melakukan proses iterasi seperti biasanya dan berhenti
sesuai funsi obyektif awal
2.7 Interpretasi Tabel Simpleks
Dalam membaca dan menginterpretasikan tabel simpleks, langkah yang harus diperhatikan pada
awalnya yaitu memeiksa apakah tabel sudah optimal atau belum. Hal ini dapat dilihat dari koefisien
fungsi tujuan yang berada pada baris ke 0. Untuk permasalahan yang maksimal, tabel simpleks dapat
dipastikan sudah optimal apabila semua nilai pada baris ke 0 adalah positif atau bernilai 0.
Sedangkan untuk permasalahan yang minimal, tabel simpleks dapat dipastikan sudah optimal apabila
semua nilai pada baris ke 0 adalah negatif atau bernilai 0.
Setelah itu, barulah tabel simpleks dapat dibaca dan diinterpretasikan. Beberapa hal yang dapat
dibaca dan diinterpretasikan dari tabel simpleks adalah:
1. Penyelesaian yang optimal bagi variabel keputusan
Apabila tabel sudah optimal, kita dapat mengetahui bagaimana penyelesaian yang optimal untuk
permasalahan yang ada. Dengan demikian, kita dapat mengetahui berapa nilai dari masing-masing
variabel keputusan yang dibutuhkan agar dapat memperoleh hasil yang optimal, baik maksimal
maupun minimal.
2. Status Sumber Daya yang tersedia
Hal ini dapat dilihat dari masing-masing variabel basis dari fungsi batasan yang ada. Disamping itu,
dalam fungsi batasan juga dilihat batasan mana yang harus ditambah varibael artifical, variabel slack,
dan variabel surplus. Untuk batasan yang memiliki tanda , maka ditambah dengan variabel surplus
dan variabel slack. Untuk batasan yang memiliki tanda , ditambah variabel slack, dan untuk batasan
dengan tanda =, ditambah varibel arttificial
3. Harga bayangan yang ada
Hal ini dapat dilihat dari koefisien yang dimiliki oleh variabel surplus dan variabel slack dari baris
fungsi tujuan yang ada, terletak pada baris ke 0.
Berdasarkan penjelasan diatas, maka juga bisa ditunjukkan ,mengenai penjelasan dalam bentuk
tabelnya.
Tabel 3.1 tabular simplek awal

Variabel basis
Z
xn+1
...
n+i

...
Xn+m

Z
1
0
...
0
...
0

Bentuk Tabular
x1 x2 ... xj... xn xn+1... xn+m
-c1 -c2 ... cj... cn 0 .... 0
a11 a12 ... a1j...a1n 1 .... 0
...
ai1 ai2 ... aij... ain 0 .... 0
...
am1 am2 ... amj... amn 0 .... 1

RHS
0
b1
...
bi
...
bm

Interpretasi tabel simpleks:

RHS: nilai yang berada di kanan persamaan yaitu nilai dibelakang tanda sama dengan (=).
Perubahan nilai-nilai konstanta x1 sampai dengan xn+m akan berhenti setelah baris ke-0 (fungsi tujuan)

tidak ada yang bernilai negatif yang memiliki fungsi tujuan awal memaksimalkan dan juga mempunyai
arti fungsi tujuan telah mencapai optimum. x 1sampai dengan xn merupakan variabel dasar yaitu
variabel yang diperoleh dari fungsi kendala permasalahan riil. Begitupun sebaliknya perubahan nilainilai konstanta x1 sampai dengan xn+m akan berhenti setelah baris ke-0 (fungsi tujuan) ada yang
bernilai negatif atau lebih tepatnya 0, yang memiliki fungsi tujuan awal memimimumkan dan juga
mempunyai arti fungsi tujuan telah mencapai optimum Sedangkan x n+1 sampai dengan xn+mmerupakan
variabel slack , variabel surplus, dan variabel artificial yaitu variabel yang ditambahkan ke fungsi
batasan, variabel ini berjumlah sebanyak jumlah fungsi batasan.
III.

DUALITAS

3.1 Hubungan Primal Dual

3.2 Complementary Basic Solution

Karena suatu dual berwujud masalah program linier, maka memiliki corner point solution. Tetapi
karena fungsi-fungsi batasan mengandung tanda maka untuk mengubahny menjad persamaan,
harus dikurangi dengan surplus variabel. Dengan kata lain dapat ditulis berikut :
WA c
WA variabel surplus = c
Zj-Cj 0

Zj Cj

Zj variabel surplus = Cj

Maka variabel surplus = Zj-Cj

Hubungan antara variabel-variabel primal dual dalam program linier:

Variabel Primal
Variabel Asli : Xj
Variabel Slack : Xn+1

Variabel Dual
Variabel Surplus : Zj-Cj
Variabel Asli : Wi

Berdasarkan tabel diatas, variabel surplus pada dual adalah variabel asli pada masalah primalnya.
Sebaliknya variabel slack pada primal adalah variabel asli pada masalah dualnya.
Dalam tabel, dapat dituliskan sebagai berikut :
X1
X2
...
Xn
Xn+1 Xn+2 . . .
Xn+m
baris 0 :
Z1-C1 Z2-C2 . . .
Zn-Cn W1
W2
...
Wn

Karena Xj merupakan komplemen dari Zj-Cj, maka Xj (Zj-Cj) = 0

Sehingga apabila Xj = 0 maka Zj-Cj 0 dan bila Xj 0 maka Zj-Cj = 0
Sedangkan Xn+i merupakan komplemen dari Wi, maka Xn+1 Wi = 0
Sehingga apabila Xn+i = 0 maka Wi 0 dan bila Xn+i 0 maka Wi = 0

a.
b.
c.
d.
e.

3.3 Metode Dual Simpleks

Metode dual simpleks digunakan jika tabel optimal tidak layak. Jika fungsi kendala ada yang
menggunakan pertidaksamaan dan tidak ada = dalam bentuk umum PL, maka metode dual
simpleks dapat digunakan. Ada pun langkah-langkah dalam simpleks dual adalah:
Untuk persamaan pemrograman linier dengan kasus minimize dan dengan fungsi batasan
Cari basis B sedemikian hingga Zj-Cj = CBB-1aj-cj0, untuk semua j
Buat tabel simpleks seperti pada primal
Jika b=B-1b0, berhenti dan penyelesaian optimal
Pilih pivot pada baris ke-r, dimana br = min (bi), (bi<0)
Jika Yrj 0,
j, berhenti (D tidak terbatas)

f. Pilih pivot pada kolom ke k dimana

= min

g. Pivot pada Yrk dan kembali ke-c

KESIMPULAN

1.

2.

3.

4.

Ada pun kesimpulan yang dapat diperoleh dari makalah ini adalah:
Pemograman linier menggunakan model matematika untuk menggambarkan suatu masalah. Sifat
linier di sini berarti semua fungsi matematika harus berupa fungsi linier, sedangkan kata
pemrograman berarti perencanaan. Dari pengertian kata linier dan program tersebut dapat ditarik
kesimpulan bahwa pengertian program linier adalah perencanaan yang berupa fungsi linier.
Kunci terpenting dalam model pemrograman linier adalah sumber daya dan aktivitas dimana m
merupakan jenis sumber daya yang berbeda yang dapat digunakan serta n yang merupakan jumlah
aktivitas yang dipertimbangkan sehingga dapat membentuk suatu permodelan matematika dua jenis
fungsi yaitu fungsi tujuan dan fungsi batasan dari permasalahan di dunia real.
Metode simpleks digunakan jika suatu permodelan linier memiliki lebih dari dua variabel. Solusi untuk
mendapatkan nilai yang optimum dalam tabel simpleks menggunakan solusi basis fesibel, metode
simpleks tabel, metode big m dan metode dua fase. Dua metode terakhir, metode big m dan metode
dua fase digunakan apabila model pemrograman linier tidak dalam bentuk standar. Dan untuk
mendapatkan solusi optimum dalam metode simpleks memiliki beberapa prosedural umum seperti
inisialisasi, iterasi dan uji optimalitas.
Pemrogramragaman linier dalam bentuk dualitas digunakan untuk melihat keterkaitan masalah primal
dan dualnya seperti pada hubungan variabel, nilai tengah, dan fungsi batasan. Masalah dualitas
sendiri dapat diselesaikan oleh dua solusi yaitu complementary basic solution dan dual simpleks.