Professional Documents
Culture Documents
I.
PROGRAM LINEAR
a.
b.
c.
d.
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:
a.
b.
c.
d.
e.
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.
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
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
Zj Cj
Zj variabel surplus = Cj
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
a.
b.
c.
d.
e.
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.