Modul OR 2.pdf
-
Upload
santimarianas -
Category
Documents
-
view
75 -
download
6
description
Transcript of Modul OR 2.pdf
32
PROGRAMA LINIER : METODE SIMPLEKS
Penyelesaian model Programa Linier secara grafis hanya dapat dilaksanakan jika variabel
keputusannya dua buah. Jika variabelnya lebih dari dua buah diselesaikan secara aIjabar →
dengan menggunakan matriks
Bentuk standar dari Model Programa Linier:
Penyelesaian model programa linier secara. aIjabar disebut metode simpleks. Untuk itu model
harus dibuat dalam bentuk standar.
Karakteristik model standar:
1. Semua kendala dalam bentuk persamaan dan ruas kanan harus non negatif.
2. Semua variabel dalam bentuk non negatif.
3. Fungsi tujuan dapat berupa persoalan memaksimalkan atau meminimalkan.
Kendala:
Hubungan ruas kiri dan ruas kanan dapat berbentuk <; >; atau =. Oleh karena model harus
dalam bentuk persamaan, maka kendala dalam bentuk pertidaksamaan diubah ke dalam bentuk
persamaan.
Untuk kendala dengan bentuk < ditambahkan variabel slack. pada ruas kiri, sedangkan untuk
kendala dengan bentuk > dikurangi dengan variabel surplus pada ruas kiri. Dengan demikian
hubungan kendala berubah menjadi dalam bentuk persamaan.
Contoh:
1) x1 + 2x2 < 6 → x1 + 2x2 + s1 = 6
s1 > 0 ; s1 = variabel slack
2) 3x1 + 2x2 -3x3 > 5 → 3x1 + 2x2 - 3x3 – s1 = 5
s1 > 0 ; s2 = variabel surplus
3) 2x1 - 2x2 - 5x3 = - 5 → - 2x1 +2x2 + 5x3 = 5
33
Variabel:
Variabel harus berbentuk non negatif (>). Jika variabel tersebut tidak terbatas pada tanda (dapat
bernilai posistif , negatif atau nol), variabel tersebut diganti dengan dua buah variabel baru yang
non negatif.
Contoh:
xj tidak terbatas pada tanda → diganti dengan
xj = xj’ - xj’’.
xj’; xj’’ ≥ 0
Fungsi tujuan:
� fungsi tujuan dapat berbentuk memaksimalkan atau meminimalkan
� fungsi memaksimalkan adalah ekivalen dengan meminimalkan negatif dari fungsi yang
sama atau sebaliknya.
Contoh :
maks. z = 5x1 - 2x2 - 3x3
secara matematis adalah sama dengan:
min (-z) = -5x1 + 2x2 + 3x3
min. z = 3x1 – 5x2 + x3
secara matematis adalah sama dengan :
maks. (-z) = - 3x1 + 5x2 – x3
contoh :
Bentuk standar dari persoalan pabrik cat adalah :
Maks. z = 5x1 + 4x2
d. k. 6x1 + 4x2 + s1 = 24
x1 + 2x2 + s2 = 6
- x1 + x2 + s3 = 1
x2 + s4 = 2
x1; x2 > 0
34
Contoh :
model programa linier:
min. z = 2x1 + 3x2
d.k. x1 + x2 = 10
- 2x1+ 3x2 ≤ -5
7x1 - 4x2 ≤ 6
x1 t.t.t. ; x2 > 0
untuk itu x1 diganti dengan x1' – x1 “ dengan x1’; x1” > 0
dengan demikian model menjadi:
min. z = 2x1' - 2x1”+ 3x2
d.k. x1’ - x1” + x2 = 10
2x1' - 2x1” - 3x2 - s2 = 5
7x1' - 7x1” - 4x2 + s3 = 6
x1’; x1”; x2; s2; s3 ≥ 0
contoh :
fungsi Tujuan Maks. z = 2x1 + 3x2 + 4x3 + 5x4
Dengan kendala : x1 + 3x2 – 2x3 + 4x4 < 20
2x1 + 4x2 + 2x3 + 3x4 > 10
5x1 - 3x2 + 2x3 + 2x4 < 30
xj > 0 j = 1, 2, 3, 4
Bentuk standarnya adalah :
fungsi Tujuan Maks. z = 2x1 + 3x2 + 4x3 + 5x4
Dengan kendala : x1 + 3x2 – 2x3 + 4x4 + s1 = 20
2x1 + 4x2 + 2x3 + 3x4 + s2 = 10
5x1 - 3x2 + 2x3 + 2x4 + s3 = 30
xj; si > 0 j = 1, 2, 3, 4; i = 1, 2, 3
35
Model Programa Linier :
Fungsi Tujuan : Min. Z = 3X1 + 2X2 + 4X3 + 2X4
Dengan kendala :
4X1 + 3X2 + 3X3 + 5X4 < 40
X1 + 2X2 + 2X3 + 3X4 < 35
X1 + X2 + X3 + X4 > 5
3X1 + X2 + 3X3 + 2X4 > 10
X1; X2; X3; > 0; X4 tidak terbatas pada tanda
Bentuk Standar dari persoalan di atas adalah :
Variabel X4 tidak terbatas pada tanda � diganti dengan X4 = X4’ – X4’’
X4’; X4’’ > 0
Semua variabel X4 diganti dan pada kendala ditambahkan variabel Slack atatu dikurangi
variabel Surplus �
Fungsi Tujuan : Min. Z = 3X1 + 2X2 + 4X3 + 2X4’ + 2X4’’
Dengan kendala :
4X1 + 3X2 + 3X3 + 5X4’ + 5X4’’ + S1 = 40
X1 + 2X2 + 2X3 + 3X4’ + 3X4’’ + S2 = 35
X1 + X2 + X3 + X4’ + X4’’ - S3 = 5
3X1 + X2 + 3X3 + 2X4’ + 2X4’’ - S4 = 0
X1; X2; X3; X4 > 0;
36
BENTUK UMUM DARI BENTUK STANDAR MODEL PROGRAMA LINIER
Terdapat m buah kendala n buah variabel (termasuk variabel slack, surplus, dan buatan)
f. t maks./min. z = c1x1 + c2x2 + ............................................. + cnxn
dengan kendala a11x1 + a12x2 + ............................................ + alnxn = bl
a21x1 + a22x2 + ............................................ + a2nxn = b2
a31x1 + a32x2 + ............................................ + a3nxn = b3
. . am1x1 + am2x2 + .............................................. + amnxn = bm
x1 ; x2 ; ……………………………xn ≥ 0
b1 ; b2 ; ……………………………bn ≥ 0
Dalam bentuk matriks :
f.t. maks./min. Z = CX
d. k. A.X = B
X > 0 ; B > 0
Dengan : A = matriks (m.n) = matriks koefisien
X = vektor kolom (n.1) = vektor keputusan
B = vektor kolom (m.1) = vektor kendala
C = vektor baris (1.n) = vektor keuntungan/biaya
C = ( c1 c2 . . . . . cn)
a11 a122 . . . . . . . . aln x1 b1
a21 a22 . . . . . . . . .a2n X = x2 B = b2
. . .
. . .
a31 a32 . . . . . . . . .a3n xn bm
A =
37
METODE GRAFIS VS METODE SIMPLEKS
� Pada penyelesaian secara grafis pada bab yang lalu kita menggeser garis Z dari Z = 0 ke
arah kanan di mana nilai Z membesar.
� Nilai Z yang terbesar dapat juga dicari dengan memasukkan nilai-nilai titik sudut dari
bidang penyelesaian mulai dari titik sudut A (0,0) ke arah B �C �D �E �F, atau dari
arah A �F�E �D �C �B �A
Akan diperoleh nilai Z pada titik-titik sudut tsb. sbb. :
Titik A : Z = 0
B : Z = 20
C : Z = 21
D : Z = 18
E : Z = 13
F : Z = 4
Dari hasil di atas terlihat nilai Z naik dari 0; 20; 21 kemudian turun ke 18; 13; 4 dan akhimya 0
kembali. Jadi setelah diperoleh nilai tertingi pada titik C, kemudian nilai tersebut turun kembali.
Demikian juga halnya jika berputar berlawanan dengan arah jarum jam, nilai Z akan naik terus
sampai keadaan optimal tercapai lalu turun kembali.
Bentuk standar
maks. z = 5x1 + 4x2
z – 5x1 – 4x2 + 0s1 + 0s2 + 0s3 + 0s4 = 0
6x1 + 4x2 + sl = 24
x1 + 2x2 + s2 = 6
- xi + x2 + s3 = 1
x2 + s4 = 2
x1; x2; s1; s2; s3; s4 > 0
38
Gambar dari persoalan tersebut :
Secara grafis telah dibahas bahwa pada garis 1 diperoleh 6x1 + 4x2 = 24, dengan demikian jika
kita masukkan persamaan tersebut ke dalam persamaan kendala 1 di atas diperoleh s1 = 0.
Dengan cara yang sama diperoleh nilai setiap variabel slack pada garis kendalanya = 0
Dari persoalan di atas kita mempunyai empat (m) buah persamaan kendala dengan enam (n)
buah variabel. Jika kita ingin menyelesaikan tersebut secara aljabar, kita harus mempunyai
empat buah persamaan dan empat buah variabel. Agar persamaan di atas dapat kita selesaikan
maka sebanyak (n - m) buah variabel/(6-4) buah variabel yang tertentu nilainya. Untuk
mudahnya kita tentukan nilainya = 0.
Dari gambar di atas kita lihat pada tititk-titik sudut bidang penyelesaian terdapat dua buah
variabel yang nilainya = 0, sedangkan variabel lainnya tidak nol.
Variabel yang nilainya ≠ 0 kita sebut variabel dasar (basic variable), sedangkan variabel yang
nilainya = 0 kita sebut variabel non dasar (non basic variable).
s1=0
x1 = 0
s3 = 0
s4=0
s2 = 0 A B
C
D E
F
J
L
s2 = 0 � x1 = 6
s1= 0 → x1= 4 s3 = 0 → x1= - 1
39
Pada tabel di bawah kita lihat sbb. :
Titik
sudut
Variabel.non dasar Variabel dasar Nilai
z A x1 ; x2 s1 ; s2 ; s3 ; s4 0
B x2 ; s1 x1 ; s2 ; s3 ; s4 20
C s2 ; s1 x1 ; x2 ; s3 ; s4 21
D s1 ; s4 xl ; x2 ; s2 ; s3 18
E s4 ; s3 xl ; x2 ; s1 ; s2 13
F s1 ; x1 x2 ; s1 ; s2 ; s4 4
Pada setiap titik sudut terdapat dua buah variabel non dasar dan empat buah variabel dasar.
Jika kita pindah dari titik A ke titik B terdapat satu buah variabel non dasar berubah menjadi
variabel dasar. Variabel ini kita sebut sebagai variabel masuk (dalam hal ini x1 masuk menjadi
variabel dasar). Jika ada variabel yang masuk (menjadi variabel dasar) tentu ada variabel yang
keluar dari variabel dasar menjadi variabel non dasar karena pada titik sudut harus terdapat dua
buah variabel non dasar. Dalam hal ini kita lihat s1 adalah variabel keluar menjadi variabel non
dasar. Demikian seterusnya jika pindah dari titik B ke titik C akan terdapat variabel yang masuk
dan keluar. Demikian seterusnya sampai keadaan optimal tercapai.
ALGORITMA SIMPLEKS
Sekarang kita gunakan pemahaman kita tentang urutan pencapaian keadaan optimal secara
grafis tersebut untuk memahami penyelesaian secara aljabar/simpleks. Untuk itu kita gunakan
persoalan pabrik cat dalam pembahasan ini (lihat tabel pada hal. 9).
Langkah 0 : Dengan menggunakan bentuk standar kita tentukan penyelesaian dasar awal
yang layak dengan menentukan (n-m) buah variabel non dasar yang nilainya nol.
Kita buat tabel simpleks (dari bentuk standar tsb. di atas). Secara grafis kita tentukan variabel x1
dan x2 adalah variabel non dasar (0,0) yaitu x1 dan x2 = 0 sebagai variabel non dasar awal. Dari
sini kita peroleh nilai variabel dasar s1, s2, s3 dan s4. Pada metode simpleks di mana variabel
keputusan lebih dari dua buah, kita tidak dapat membuat grafisnya (karena sumbu kita terlalu
banyak), untuk itu kita cari ciri-ciri variabel non dasar pada tabel simpleks. Kita pinjam
pengetahuan kita pada metode grafis yaitu x1 dan x2 adalah variabel non dasar. Dari tabel
40
simpleks terlihat . Bahwa koefisien x1 dan x2 pada baris fungsi tujuan tidak nol sedangkan nilai
koefisien s1, s2, s3 dan s4 nol. Jadi kita tentukan variabel dasar adalah variabel yang
koefisiennya nol dan variabel non dasar adalah variabel yang koefisiennya tidak nol pada
persamaan fungsi tujuan. Dengan memasukkan nilai variabel non dasar = 0 pada persamaan
fungsi tujuan dan persamaan kendala, akan diperoleh nilai z, variabel dasar s1, s2, s3, dan s4. Di
sini terlihat nilai tersebut adalah sama dengan nilai ruas kanan pada persamaan fungsi tujuan
dan persamaan kendala. Dengan demikian dari persamaan tersebut kita peroleh nilai variabel
dasar. Pada kolom paling kiri kita tuliskan variabel dasar yang diperoleh dan nilainya diperoleh
pada kolom paling kanan. Di samping itu diperoleh ciri-ciri variabel dasar yaitu koefisien pada
perpotongan baris variabel dasar dan kolom variabel dasar tersebut adalah 1 sedangkan
koefisien variabel tersebut pada baris lainnya adalah 0 (lihat hal. 9)
Langkah 1 : Pilih variabel masuk di antara variabel non dasar yang ada yang jika nilainya
dinaikkan ke atas nol (menjadi positif) akan meningkatkan nilai fungsi tujuan.
Secara grafis kita lihat keadaan optimal lebih cepat tercapai jika x1 lebih dahulu dinaikkan
nilainya menjadi positif. Jika x1 lebih dahulu dinaikkan menjadi positif dalam 2 langkah keadaan
optimal tercapai, sedangkan jika x2 lebih dahulu dinaikkan menjadi positif keadaan optimal
tercapai dalam 4 langkah. Secara simpleks kita tentukan juga x1 adalah variabel masuk.
Kita cari ciri-ciri variabel masuk pada tabel simpleks.
Terlihat koefisien x1 adalah paling negatif, jadi selanjutnya kita tentukan variabel non dasar
yang koefisiennya pada persamaan fungsi tujuan paling negatif (untuk persoalan
memaksimalkan) adalah variabel masuk, sedangkan untuk persoalan meminimalkan variabel
masuk adalah variabel non dasar yang mempunyai koefisien yang paling positif Jika tidak ada
variabel masuk maka keadaan telah optimal.
Langkah 2 : Pilih variabel keluar di antara variabel dasar yang ada yang harus
dijadikan nol (dijadikan variabel non dasar) pada saat variabel masuk menjadi variabel
dasar.
Secara grafis kita tentukan variabel s1 merupakan variabel keluar (yaitu titik B di mana pada titik
B (s1 dan x2 = 0). Secara simpleks kita tentukan juga s1 adalah variabel keluar. Kemudian kita
cari ciri-ciri variabel non dasar pada tabel simpleks. Secara grafis kita peroleh pada saat x1
menjadi positif, variabel yang menjadi nol (variabel non dasar) adalah :
41
- titik B: s1 = 0 diperoleh x1 = 4
- titik J : s2 = 0 diperoleh x1 = 6
- titik L: s3 = 0 diperoleh x1 = - 1
- titik ∼ : s4 = 0 diperoleh x1 = ∼
Secara simpleks kita hitung rasio antara ruas kanan persamaan kendala dibagi koefisien x1
pada kendala tersebut diperoleh:
- kendala 1 : rasio = 4
- kendala 2 : rasio = 6
- kendala 3 : rasio = 1
- kendala 4 : rasio = ∼
Kita lihat rasio persamaan s1 (kendala 1) = 4 adalah rasio positif terkecil. Jadi variabel keluar
adalah variabel dasar yang rasionya positif terkecil.(untuk persoalan memaksimalkan maupun
meminimalkan).
Langkah 3 : Hitung penyelesaian dasar yang baru dengan membuat variabel masuk
menjadi variabel dasar dan variabel keluar menjadi variabel non dasar. Lanjutkan kembali
langkah 1.
Dari tabel simpleks iterasi 0 kita lihat variabel dasar koefisiennya nol pada persamaan fungsi
tujuan sedangkan pada persamaan kendala dasarnya koefisiennya adalah 1 dan pada
persamaan lainnya (termasuk persamaan fungsi tujuan) koefisiennya adalah nol. Dengan
dernikian kita buat tabel simpleks yang baru dengan menjadikan posisi persamaan variabel
keluar tersebut menjadi tempat variabel masuk. Kita buat koefisien variabel masuk tersebut
pada tempatnya yang baru = 1 dan membuat koefisien variabel dasar yang baru tsb. (variabel
masuk) koefisiennya menjadi nol pada persamaan lainnya dengan cara:
1. membagi persamaan variabel keluar tersebut dengan koefisien variabel masuk pada
persamaan tersebut (agar koefisiennya menjadi 1). Dengan demikian posisi variabel masuk
tersebut menjadi variabel dasar.
2. menambah/mengurangi persamaan lainnya (termasuk persamaan fungsi tujuan) dengan
persamaan variabel masuk dikali koefisien variabel masuk pada persamaan tersebut
sedemikian rupa agar koefisien masuk pada tabel yang baru menjadi nol.
42
V. D. z x1 x2 s1 s2 s3 s4 R. K.
z 1 -5 -4 0 0 0 0 0 rasio
s1 0 6 4 1 0 0 0 24 24/4=4
It. 0 s2 0 1 2 0 1 0 0 6 6/1=6
s3 0 -1 1 0 0 1 0 1 1/-1=-1
s4 0 0 1 0 0 0 1 2 2/0=∞
z 1 0 -2/3 5/6 0 0 0 20 rasio
x1 0 1 2/3 1/6 0 0 0 4 6
It. 1 s2 0 0 4/3 -1/6 1 0 0 2 3/2
s3 0 0 5/3 1/6 0 1 0 5 3
s4 0 0 1 0 0 0 1 3 2
z 1 0 0 3/4 1/2 0 0 21 rasio
x1 0 1 0 1/4 -1/2 0 0 3
It. 2 x2 0 0 1 -1/8 ¾ 0 0 3/2
s3 0 0 0 3/8 -5/4 1 0 5/2
s4 0 0 0 1/8 -3/4 0 1 1/2
Pada iterasi 0 terlihat x1 mempunyai koefisien paling negatif pada persamaan tujuan, sedangkan
persamaan s1 mempunyai rasio positif terkecil. Dengan demikian x1 merupakan variabel masuk
dan s1 variabel keluar.
Pada iterasi 1 terlihat x2 mempunyai koeftsien paling negatif pada persamaan tujuan, sedangkan
persamaan s2 mempunyai rasio positif terkecil. Dengan demikian x2 merupakan variabel masuk
dan s2 variabel keluar.
Pada iterasi 2 ini tidak ada variabel non dasar yang mempunyai koefisien yang negatif pada
persamaan fungsi tujuan → Tidak ada variabel masuk. Dengan demikian keadaan optimal pada
x1 = 3; x2 = 1 ½ dan z = 21
v.m.
v.m.
43
PENYELESAIAN AWAL DENGAN VARIABEL BUATAN
Jika kendala merupakan persamaan atau dengan tanda ≥ kita tidak mempunyai suatu
penyelesaian awal yang layak dan siap memulai penyelesaian.
Sebagai contoh:
min. z = 4x1 + x2
d. k. 3x1 + x2 = 3
4x1 + 3x2 > 6
x1 + 2x2 < 4
x1; x2 ≥ 0
bentuk standar:
min. z = 4x1 + x2
d. k. 3x1 + x2 = 3
4x1 + 3x2 – x3 = 6
x1 + 2x2 + x4 = 4
x1; x2; x3; x4 ≥ 0
V.D. x1 x2 x3 x4 R. K.
- 4 - 1 0 0 0
3
4
1
1
3
2
0
-1
0
0
0
1
3
6
4
- Terdapat 3 persamaan dengan 4 variabel, berarti satu variabel harus berada pada posisi
non dasar dengan nilai nol dalam setiap penyelesaian. Di sini terdapat dua variabel yang
koefisiennya tidak nol pada persamaan tujuan, sehingga kita harus menentukan salah satu
variabel yang koefiennya tidak nol sebagai variabel non dasar sedangkan variabel lainnya
berada pada posisi variabel dasar
- Pada kendala 2 dengan variabel surplus kita tentukan sebagai variabel dasar, akan tetapi
akan diperoleh variabel dasar yang negatif, sedangkan pada metode simpleks telah
ditentukan semua variabel adalah non negatif.
44
Kedua hal di atas bertentangan dengan ketentuan penyelesaian dengan metode simpleks.
Untuk itu perlu dilakukan dengan coba-coba yang akan memakan waktu yang lama. Di samping
itu tidak sesuai dengan perhitungan dengan komputer.
� Dikembangkan metode untuk memudahkan penyelesaian.
Pada kendala dengan tanda = dan > ditambahkan variabel buatan sebagai alat bantu untuk
memulai penyelesaian awal yang nilainya akan sama dengan nol pada akhir penyelesaian.
Dengan adanya variabel buatan ini akan diperoleh variabel dasar awal.
Terdapat dua cara penyelesaian :
- Teknik M
- Teknik dua fase
Teknik M (Metode Penalti)
- Pada kendala dengan tanda = dan > kita tambahkan variabel buatan.
- Pada fungsi tujuan kita berikan penalti sebesar M x variabel buatan (untuk persoalan
meminimalkan), di mana M adalah bilangan yang besar sekali. Pada akhir penyelesaian
penalti tersebut tidak ada artinya karena nilai variabel buatan = 0
Untuk persoalan meminimalkan penalti adalah sebesar
M x variabel buatan
Untuk persoalan memaksimalkan penaltinya adalah sebesar
- M x variabel buatan
45
Contoh :
Kita selesaikan persoalan pada contoh di atas
Bentuk standar:
min. z = 4x1 + x2 + MR1 + MR2
d. k. 3x1 + x2 + R1 = 3
4x1 + 3x2 - x3 + R2 = 6
x1 + 2x2 + x4 = 4
x1; x2; x3; x4; R1; R2 > 0
Jika kita buat tabel simpleks dari persoalan di atas, akan diperoleh koefisien R1 dan R2
pada persamaan fungsi tujuan sebesar - M. Seharusnya koefisien R1 dan R2 tersebut
sama dengan 0 karena tujuan kita menambahkan variabel buatan adalah sebagai
variabel. dasar awal. Agar koefisien R1 dan R2 = 0 kita masukkan nilai variabel buatan
yang kita peroleh dari persamaan kendala ke dalam persamaan fungsi tujuan.
R1 = 3 – 3x1 - x2
R2 = 6 – 4x1 – 3x2 + x3
Kita peroleh fungsi tujuan
z = 4x1 + x2 + M(3 – 3x1 - x2) + M(6 - 4x1 – 3x2 + x3)
z + (- 4 + 7M)x1 + (-1+ 4M)x2 - Mx3 = 9M
Selanjutnya persoalan tersebut diselesaikan dengan metode simpleks secara biasa.
V. D. x1 x2 x3 R1 R2 x4 R. K.
Z -4 7M
- 1 4M
0 - M
0 0
0 0
0 0
0 9M
Rasio :
R1 R2 x4
3 4 1
1 3 2
0 -1 0
1 0 0
0 1 0
0 0 1
3 6 4
3/3 = 1 6/4 = 3/2 4/1 = 4
Z
0 0
1/3 5/3M
0 - M
4/3 - 7/3M
0 0
0 0
4 2M
x1 R2 x4
1 0 0
1/3 5/3 5/3
0 -1 0
1/3 - 4/3 - 1/3
0 1 0
0 0 1
1 2 3
1/1/3 = 3 2/5/3 = 6/5 3/5/3 = 9/5
Z
0 0
0 0
1/5 0
8/5 - M
- 1/5 - M
0 0
18/5 0
X1 x2 x4
1 0 0
0 1 0
1/5 - 3/5
1
3/5 - 4/5
1
- 1/5 3/5 - 1
0 0 1
3/5 6/5 1
3/5/1/5 = 3 6/5/-3/5 = -2 1/1 = 1
Z
0 0
0 0
0 0
7/5 - M
0 - M
- 1/5 0
17/5 0
X1 x2 x3
1 0 0
0 1 0
0 0 1
2/5 - 1/5
1
0 0 - 1
- 1/5 3/5
1
2/5 9/5 1
46
Oleh karena pada iterasi 3 tidak ada koefisien variabel pada baris fungsi tujuan yang
positif � optimal
x1 = 2/5; x2 = 9/5 z = 17/5
KASUS-KASUS KHUSUS DALAM PENERAPAN METODE SIMPLEKS
1.Degenerasi
2.Penyelesaian optimal alternatif
3.Penyelesaian tanpa batas
4.Tidak ada penyelesaian yang mungkin
DEGENERASI
Suatu saat kita mungkin menghadapi keadaan di mana rasio positif terkecil lebih dari
satu. Dalam hal ini kita tentukan salah satu dari variabel dasar yang mempunyai rasio
positif terkecil menjadi variabel keluar. Dengan demikian pada iterasi berikutnya akan
terdapat variabel dasar yang nilainya sama dengan nol. Kita katakan penyelesaian dasar
yang baru adalah degenerasi. Pada keadaan ini kita mempunyai kendala yang berlebih.
Contoh : penyelesaian degenerasi yang optimal
f.t maks z = 3x1 + 9x2
d.k. x1 + 4x2 ≤ 8
x1 +2x2 ≤ 4
x1; x2 > 0
tabel simpleks dari persoalan tersebut:
iterasi 0 V. D. xl x2 x3 x4 R. K.
z -3 - 9 0 0 0 rasio
x3 1 4 1 0 8 8/4=2
x4 1 2 0 1 4 4/2=2
iterasi 1 z -3/4 0 9/4 0 18
x2 1/4 1 1/4 0 2 8
x4 1/2 0 -1/2 1 0 0
iterasi 2 z 0 0 3/2 3/2 18
x2 0 1 1/2 -1/2 2
x1 1 0 -1 2 0
47
Secara grafis persoalan di atas digambarkan seperti di bawah ini :
Contoh : penyelesaian degenerasi sementara
f t. maks. z = 3x1 + 2x2
d.k. 4x1 + 3x2 < l2
4x1+ x2 < 8
4x1 - x2 < 8
x1; x2 ≥ 0
x1 + 2x2 < 4
x1 + 4x2 < 8
Optimal pada x1 = 0 x2 = 2 z = 18
Kendala berlebih
Penyelesaian degenerasi yang tidak optimal
Penyelesaian optimal yg tidak degenerasi
z=3x1+2x2
4x1 +x2 =8
4x1 - x2 =8
4x1 +3x2 =12
48
Tabel simpleks persoalan tersebut:
V. D. x1 x2 x3 x4 x5 R. K. z - 3 - 20 0 0 0 Rasio
x3 4 3 1 0 0 12 12/4=3 x4 4 1 0 1 0 8 8/4=2 x5 4 - 1 0 0 1 8 8/4=2
z 0 -5/4 0 3/4 0 6
x3 0 2 1 -1 0 4 2 x1 1 1/4 0 1/4 0 2 8 x5 0 -2 0 -1 l 0 - 0
z 0 0 5/8 1/8 0 17/2
x2 0 1 1/2 -1/2 0 2 x1 1 0 -1/8 3/8 0 3/2 x5 0 0 1 -1 1 4
Pada iterasi 1 terjadi degenerasi namun belum optimal
Pada iterasi 2 kondisi optimal namun sekarang tidak ada variabel dasar yang nilainya nol.
Penyelesaian optimal alternatif :
Jika fungsi tujuan sejajar dengan sebuah kendala yang mengikat terdapat lebih dari satu
penyelesaian optimal
Contoh: maks. z = 2x1 + 4x2
d. k x1 +2x2 < 5
x1 + x2 < 4
x1; x2 > 0
Semua titik pada garis BC mempunyai nilai Z = 10. Di luar garis BC walaupun
mempunyai nilai Z = 10 tetapi tidak layak karena berada di luar bidang penyelesaian yang
layak.
x1 + 2x2 ≤ 4
Z=2x1 + 4x2
x1 + 2x2 ≤ 5 A
B
D
C Peny. dasar yg optimal
49
Iterasi 0 V.D. x1 x2 x3 x4 R. K.
z -2 -4 0 0 0 rasio :
x3 1 2 1 0 5 5/2 = 2 ½
x4 1 1 0 1 4 4/1 = 4
iterasi 1 z 0 0 2 0 10
x2 1/2 1 1/2 0 5/2 5/2/1/2 = 5
x4 1/2 0 -1/2 1 3/2 3/2/1/2 = 3
iterasi 2 z 0 0 2 0 10
x2 1 0 1 -1 1
x1 0 1 -1 2 3
pada iterasi 1 diperoleh x1 = 0; x2 = 5/2 dan z = 10 (titik B pada gambar). Pada iterasi ini
keadaan telah optimal karena tidak ada variabel non dasar yang koefisiennya negatif
pada fungsi tujuan. Akan tetapi variabel non dasar x1 koefisennya pada fungsi tujuan
adalah nol. Di sini dianggap koefisiennya adalah nol yang negatif, sehingga x1 dapat
dijadikan variabel masuk. Pada iterasi 2, x1 adalah variabel masuk sedangkan x4 adalah
variabel keluar. Pada iterasi 2 diperoleh x1 = 3; x2 = 1 dan z = 10 (titik C pada gambar).
Dengan metode simpleks hanya diperoleh dua titik optimal B(0,5/2) dan C(3,1). Jika
terjadi hal seperti ini dapat dibuat persamaan umum untuk semua titik yang terletak pada
segmen garis BC dengan koordinat P(x1, x2). Dengan menganggap BC = 1 dan CP = α (
0 < α < 1) diperoleh :
x1 = α (0) + (1- α) (3) = 3 – 3 α x2 = α (5/2) + (1- α) (1) = 1 + 3/2 α
Dengan menentukan nilai α tertentu kita dapat memperoleh nilai koordinat titik P. Atau
kita tentukan salah satu nilai x1 (atau x2) akan diperoleh nilai α, dengan demikian nilai x2
(atau x1) diperoleh.
PENYELESAIAN TANPA BATAS
Pada beberapa model Programa Linier besarnya nilai variabel tanpa batas tanpa
mengganggu kendala. Hal ini berarti penyelesaian tanpa batas, sebagai akibat nilai
tujuan dapat dinaikkan (persoalan memaksimumkan) atau diturunkan (persoalan
Meminimumkan) tanpa batas. Model seperti ini berarti dibuat sangat jelek, karena tidak
mungkin membuat model dengan keuntungan tidak terbatas.
Penyebabnya a. l. :
1 ) Satu atau beberapa kendala yang terbatas tidak diperhitungkan
2 ) Koefisien dari bebarapa variabel tidak diperkirakan secara betul
50
Contoh :
f.t. maks. Z = 2x1 + x2,
d. k. x1 -x2 < 10
2x1 < 40
x1; x2 > 0
Tabel simpleks :
V. D. x1 x2 x3 x4 R. K. z - 2 - 1 0 0 0 rasio x3 x4
1 2
- 1 0
1 0
0 1
10 40
10 20
v. k.
z 0 - 3 0 0 20 x1 x4
1 0
- 1 2
1 -2
0 1
10 20
-10 10
v. k.
z 0 0 -3 3/2 50 x1 x2
1 0
0 1
0 -1
1/2 1/2
20 10
∼ -10
v. k.
Rasio positif terkecil pada iterasi 2 adalah ∼ sehingga x1 keluar dan digantikan oleh x3.
Jika baris fungsi tujuan ditambah ∼ x persamaan baris kendala variabel masuk, koefisien
X3 tetap negatif, sedangkan fungsi tujuannya telah bernilai ∼. Dengan demikian
penyelesaiannya adalah tanpa batas.
daerah penyelesaian
2x1 = 40
x1 – x2 = 10
z = 2x1 + x2 Dapat dinaikkan tanpa batas
51
DAERAH PENYELESAIAN TANPA BATAS TETAPI MEMPUNYAI NILAI OPTIMAL
YANG TERTENTU
Contoh : f.t. maks. z = 6x1- x2
d. k. 2x1 - x2 < 2
x1 < 4
x1; x2 > 0
V.D. x1 x2 x3 x4 R.K.
z -6 2 0 0 0
x3 2 -1 l 0 2
x4 l 0 0 1 4
z 0 -1 3 0 6
x1 1 - ½ ½ 0 1
x4 0½ -½ 1 3 di sini walaupun daerah penyelesaiannya
z 0 0 2 2 12 tanpa batas namun terdapat sebuah
x1 l 0 0 1 4 penyelesaian.
x2 01 -1 2 6
TIDAK ADA PENYELESAIAN YANG LAYAK/MUNGKIN
f.t. maks. z = 3x1 +2x2
d k 2x1 + x2 < 2
3x1 + 4x2 > 12
Secara grafis penyelesaiannya adalah seperti di bawah ini :
Setelah semua daerah yang tidak memenuhi
syarat dibuang, maka tidak terdapat daerah
yang memenuhi syarat. Berarti tidak ada
penyelesaian yang layak.
52
Tabel simpleks dari persoalan di atas :
V.D. x1 x2 x3 x4 R R.K.
iterasi 0 -3 -2 0 0 0 0 z -3M -4M 0 M 0 - 12M
x3 2 1 1 0 0 2
R 3 4 0 - l 1 12
iterasi 1 1 0 2 0 0 4
z 5M 0 4M M 0 - 4M
x2 2 1 1 0 0 2
R - 5 0 - 4 1 1 4
Pada iterasi 1 keadaan sudah optimal karena sudah tidak ada variabel non dasar
koefisiennya yang negatif. Namun di sini nilai variabel buatannya adalah tidak nol. Berarti
tidak ada penyelesaian yang layak.
INTERPRETASI TABEL SIMPLEKS - ANALISA KEPEKAAN
Dari tabel simpleks yang optimal akan diperoleh :
1) Penyelesaian yang optimal
2) Status dari sumber
3) Nilai per unit dari sumber
4) Kepekaan dari penyelesaian optimal terhadap
� tersedianya sumber
� koefisien dari fungsi tujuan
� pemakaian sumber oleh kegiatan
Persoalan Pabrik cat
maks. z = 5x1 + 4x2
d.k. 6x1 + 4x2 + s1 = 24 (b.b. M1)
x1 + 2x2 + s2 = 6 (b.b. M2)
-x1 + x2 + s3 = 1 (permintaan)
x2 + s4 = 2 (permintaan)
x1; x2; s1; s2; s3; s4 > 0
53
tabel simpleks yang optimal :
V.D. x1 x2 s1 s2 s3 s4 R.K.
z 0 0 3/4 1/2 0 0 21
x1 1 0. 1/4 -1/2 0 0 3
x2 0 1 -1/8 3/4 0 0 3/2
s3 0 0 3/8 -5/4 1 0 5/2
s4 0 0 1/8 -3/4 0 1 1/2
PENYELESAIAN YANG OPTIMAL :
Nilai variabel dasar dapat dilihat pada kolom ruas kanan. Variabel yang tidak disebut
pada kolom variabel dasar berarti adalah variabel non dasar yang nilainya nol.
Dengan demikian penyelesaian adalah :
x1 = 3 ; x2 = 3/2 ; z = 21
STATUS SUMBER :
Status dari sumber ditunjukkan oleh nilai variabel slack :
Sumber Slack Status
� Raw Material M1 s1 = 0 terbatas
� Raw Material M2 s2 = 0 terbatas
� Batas pada kelebihan cat s3 = 2
5 berlebih
dalam terhadap cat luar
� Batas pada permintaan cat dalam s4 = 2
1 berlebih
NILAI UNIT DARI SUMBER :
Nilai per unit dari sumber yang dibahas pada bab yang lalu :
y1 = 3/4; y2 = ½; y3 = 0; y4 = 0. Nilai tersebut dapat dilihat dari koefisien dari variabel
dasar awal pada fungsi tujuan yang optimal.
Koefisien variabel slack pada fungsi tujuan : s1 = ¾, s2 = ½, s3 = 0, s4 = 0
54
Dari tabel simpleks
V. D. x1 x2 s1 s2 s3 s4 R. K.
z 0 0 4
3
2
1 0 0 21
z = 21 - (4
3 s1 +
2
1 s2 + 0 s3 + 0 s4 )
Jika s1 dinaikkan dari keadaan sekarang = 0 ke nilai yang positif maka nilai Z akan turun
sebanyak 3/4 ribu dollar / ton.Naiknya nilai s1 sama artinya dengan turunnya sumber 1
(bahan baku M1) maka 6x1+ 4x2 + s1 = 24
Kesimpulan � turunnya sumber 1 akan menurunkan nilai Z sebesar $3/4 ribu/ton.
Kebalikannya� naiknya sumber 1 (ekuivalen dengan s1 < 0) akan menaikkan
nilai Z sebesar $ 3/4 ribu/ton.
PERUBAHAN YANG MAKSIMUM PADA KEUNTUNGAN / BIAYA MARGIN
Keuntungan marginal 5→ 5+σ1
Z = ( 5 + σ1 ) x1 + 4x2
Dengan masuknya nilai σ1 persamaan fungsi tujuan menjadi :
V. D. x1 x2 s1 s2 s3 s4 R. K.
z 0 0 4
3 2
1 0 0 21
- σ1 0 0 0 0 0 0
agar koefsien x1 pada fungsi tujuan tersebut menjadi nol maka baris fungsi tujuan yang
kedua dikurangi dengan σ1 x persamaan variabel dasar x1 (lihat tabel simpleks optimal
pada hal 21). Dengan demikian persamaan fungsi tujuan berubah menjadi :
V. D. x1 x2 s1 s2 s3 s4 R. K.
z 0 0 (3/4 + 1/4σ1) (1/2 - 1/2σ1) 0 0 21 + 3σ1
55
Perubahan koefisien tersebut tidak mempengaruhi persoalan selama koefisien dari
variabel non dasar tetap non negatif yaitu:
3/4 + 1/4 σ1 ≥ 0 (1) � σ1> - 3
1/2 - 1/2 σ1 ≥ 0 (2) � σ1 < 1
- 3 ≤ σ1 ≤ 1
.berarti koefisien x1 (keuntungan dari cat luar):
paling kecil 5 + 1 = 6
paling besar 5 - 3 = 2
� Tanpa mengubah titik optimal yaitu
memproduksi cat luar 3 ton dan cat dalam 3/2 ton.