y O x PROGRAM LINEAR A. DEFINISI PEMROGRAMAN LINEAR Suatu perusahaan atau organisasi harus membuat keputusan mengenai cara mengalokasikan sumbersumbernya dan tidak ada organisasi yang beroperasi secara permanen dengan sumber yang tidak terbatas, akibatnya manajemen harus secara terus menerus mengalokasikan sumber langka untuk mencapai tujuan yang optimal. Tiap organisasi mencoba untuk mencapai tujuan tertentu sesuai dengan batasan sumber daya, seperti : bahan mentah, uang, waktu, tenaga, dll. Pemrograman Linear adalah metode optimasi untuk menentukan nilai optimum dari fungsi tujuan linear pada kondisi pembatasan-pembatasan (constrains) tertentu. Persoalan pemrograman linear dapat ditemukan pada berbagai bidang dan dapat digunakan untuk membantu membuat keputusan, memilih suatu alternatif yang paling tepat. Aplikasi program linear misalnya untuk keperluan : perencanaan produksi, produksi campuran, penjadwalan, relokasi sumber daya, masalah transportasi, dll. B. MODEL PEMROGRAMAN LINEAR Bentuk umum model program linear adalah : Optimumkan : Z = c1x1 + c2x2 + ... + cnxn Dengan batasan : a11x1 + a12x2 + ... + a1nxn b1 a21x1 + a22x2 + ... + a2nxn b2 ⁞ ⁞ ⁞ ⁞ ⁞ am1x1 + am2x2 + ... + amnxn bm x1, x2,... , xn 0 Terminologi umum untuk model program linear di atas adalah : 1. Fungsi yang akan dicari nilai optimumnya (Z) disebut fungsi tujuan (objective function) 2. Fungsi batasan (constrains) yang dikelompokkan menjadi dua, yaitu : a. Fungsi batasan fungsional, yaitu fungsi-fungsi batasan sebanyak m. b. Fungsi batasan non-negatif (non-negative constrains) 3. Variabel keputusan (decision variables) 4. Parameter model C. PERSOALAN PEMROGRAMAN LINEAR 1. 2. 3. Persoalan pemrograman linear adalah persoalan optimasi yang memenuhi ketentuan sebagai berikut : Fungsi tujuan merupakan fungsi linear dari variable keputusan. Nilai variabel keputusan harus memenuhi pembatasan-pembatasan yang berbentuk persamaan atau ketaksamaan. Setiap variabel keputusan harus dibatasi yaitu non negatif. 2 PROGRAM LINEAR Model adalah sebuah tiruan terhadap realitas. Langkah yang dilakukan untuk membuat peralihan dari realita ke model kuantitatif disebut perumusan model. Ada beberapa tahap dalam memformulasikan persoalan pemrograman linear ke model kuantitatif, yaitu : 1. Mengidentifikasi variabel keputusan 2. Mendeskripsikan fungsi tujuan sebagai kombinasi linear dari variabel keputusan 3. Mendeskripsikan pembatasan-pembatasan sebagai kombinasi linear dari variabel keputusan 4. Mengidentifikasi batas bawah atau batas atas dari variabel keputusan 5. Mengekspresikan semua hasil identifikasi tersebut dalam model kuantitatif Contoh 1.1 : Sebuah perusahaan memproduksi sofa, meja dan kursi. Sumber daya untuk produksi tersebut adalah kayu, bahan pelapis, dan waktu produksi. Sumber daya yang dibutuhkan untuk pembuatan tiap unit barang per minggunya ditunjukkan sebagai berikut : Jenis Produk Kebutuhan sumber daya Kayu (lembar) Pelapis (m) Waktu kerja (jam) Sofa Meja Kursi 7 5 4 12 7 6 9 5 Sumber daya tersedia 1400 840 540 Pembuatan produk dibatasi perminggunya 500 buah karena keterbatasan tempat penyimpanan. Laba masingmasing produk per unit adalah Rp. 50.000,00 untuk sofa, Rp. 25.000,00 untuk meja dan Rp. 40.000,00 untuk kursi. Perusahaan ingin mengetahui berapa banyak masing-masing produk harus dibuat agar mencapai laba maksimum. Tentukan model matematikanya! Penyelesaian : Variabel keputusan : a = banyak produksi sofa b = banyak produksi meja c = banyak produksi kursi Fungsi tujuan (Z) : Memaksimumkan laba Memaksimumkan Z = 50.000a + 25.000b + 40.000c Fungsi pembatas : 7a + 5b + 4c 1400 (keterbatasan kayu) 12a + 7b 840 (keterbatasan pelapis) 6a+ 9b + 5c 540 (keterbatasan waktu) a + b + c 500 (keterbatasan tempat penyimpanan) Batas variabel keputusan : a, b, c 0 Model matematisnya : Tentukan nilai a, b, c Memaksimumkan : Z = 50.000a + 25.000b + 40.000c Dengan pembatas : 7a + 5b + 4c 1400 12a + 7b 840 6a+ 9b + 5c 540 a + b + c 500 a, b, c 0 Latihan 1.1 : 1. PT. Khayal adalah perusahaan yang memproduksi 3 jenis barang yaitu P, Q, dan R, dan memiliki bahan mentah M dan N. Kebutuhan bahan untuk setiap jenis barang terlihat pada tabel berikut : Jenis Bahan Mentah M N Biaya Produksi Biaya Angkut P 2 0 5 1 Jenis Barang Q 0 3 12 3 R 6 4 21 3 Persediaan Bahan Minimum 300 unit 500 unit (dalam puluhan ribu) 3 PROGRAM LINEAR 2. 3. Jika PT. Khayal ingin menekan pengeluaran, maka tentukan model matematika untuk permasalahan tersebut. Suatu perusahaan memproduksi dua macam produk, namakan X dan Y, yang haris diproses melalui tiga macam mesin, yaitu mesin I, II, III. Contribution Margin per unit kedua produk tersebut Rp. 20.000,00 dan Rp. 15.000,00. Produk X diproses mesin I selama 36 detik, di mesin II selama 72 detik, dan mesin III selama 144 detik. Sedang produk Y memerlukan waktu 72 detik di mesin I, dan 36 detik di mesin II dan III. Perusahaan berharap mengetahui berapa banyak produk tersebut harus diproduksi agar Contribution Margin total menjadi maksimum jika diketahui kapasitas mesin I, II dan III masing-masing adalah 160 jam, 120 jam, dan 150 jam. Tentukan model matematika untuk permasalahan tersebut ! Suatu perusahaan memproduksi 3 jenis barang yaitu X, Y dan Z dengan bahan baku yang dibutuhkan untuk setiap jenis barang terlihat pada tabel berikut : Jenis Bahan Mentah X Y Z A 1 3 0 Jenis Barang B 3 3 2 Harga Jual (dalam ribuan) 10 30 20 C 3 0 1 Ketersediaan bahan A tidak kurang dari 60 unit, B tidak lebih dari 240 unit dan C tidak kurang dari 150 unit. Perusahaan akan memproduksi barang X tidak lebih dari 45 unit, dan Y lebih dari barang Z dengan selisih 100. Jika perusahaan tersebut menginginkan pendapatan maksimum, tentukan model matematika dari permasalahan tersebut ! D. PENYELESAIAN PERMASALAHAN PROGRAM LINEAR DAERAH LAYAK (FEASIBLE REGION) Pada setiap kasus pemrograman linear, susunan dari kendala-kendala akan membentuk suatu bidang yang menjadi tempat kedudukan bagi variabel-variabel yang memenuhi seluruh kendala. Contoh 1.2 : Fungsi Pembatasnya : a – b 1 (i) 3a + 2b 12 (ii) (i) a7 b6 (iii) (iv) b3 (v) (ii) 6 1 -1 4 (iii) (iv) dan (V) 6 3 7 Gambar 1.1 4 PROGRAM LINEAR Jika keempat daerah tersebut dijadikan satu bidang kemudian dicari irisannya diperoleh : 6 3 1 -1 4 7 Gambar 1.2 Masing-masing kendala pertidaksamaan di atas menjangkau suatu bidang penyelesaian dimana variabel-variabel keputusan memenuhi fungsi-fungsi matematikanya. Perpotongan antara bidang penyelesaian dari masing-masing kendala membentuk suatu bidang baru yang dinamakan dengan daerah layak (feasible region). Oleh karena itu, penyelesaian optimum, yaitu variabel-variabel keputusan yang memenuhi seluruh kendala dan mengakibatkan fungsi tujuan bernilai ekstrim, pasti terletak pada daerah layak. Latihan 1.2 Gambarkan daerah layak dari fungsi-fungsi kendala berikut : 1. 3p + 4q 600 2. 2r + 3s 360 3p + q 240 r + s 130 0 p 50 r – s 160 q 30 r, s 0 4. a + b 100 a – b 10 a 50 b0 5. 3x + 2y 600 8x + y 400 3x + 8y 1200 x – 2y 100 x, y 0 3. 10t + 9u 1800 5t + 3u 600 t + u 20 t, u 0 6. 6a + 7b 84 a – 2b 100 2a + b 50 a0 b tidak dibatasi METODE GRAFIK DENGAN ISOLINE Ada dua cara untuk menentukan solusi optimum pada daerah layak (feasible region) dengan metode grafik. Teknik yang pertama adalah dengan teknik kesamaan garis (isoline). Langkah yang dilakukan untuk menentukan solusi optimum dengan teknik isoline adalah : 1. Tentukan kemiringan garis fungsi tujuan (merupakan himpunan infinitif dari isoline) Pilihlah titik tertentu pada daerah layak Gambarkan garis fungsi tujuan yang mengenai titik tersebut 2. Tentukan arah peningkatan/penurunan dari fungsi tujuan persoalan maksimum/minimum. Pilih dua garis (isoline) fungsi tujuan di daerah layak dan evaluasi nilai fungsi tujuan pada kedua garis isoline tersebut. 3. Ikuti arah peningkatan/penurunan sampai mencapai titik batas (sudut) dimana peningkatan/penurunan dari fungsi tujuan keluar dari daerah layak. 4. Solusi optimum diperoleh dari titik batas dimana peningkatan atau penurunan dari fungsi tujuan akan meninggalkan daerah layak. Contoh 1.3 5 PROGRAM LINEAR Untuk mengetahui proses penentuan solusi optimum dari suatu permasalahan program linear menggunakan metode grafik dengan teknik isoline, lebih jelasnya perhatikan gambar berikut. Z4 (Solusi Optimum) Maksimum Z2 Z3 Z4 Z3 (Solusi Optimum) Minimum Z1 Gambar 1.3 Latihan 1.3 Tentukan solusi dari permasalahan berikut ini menggunakan metode grafik dengan teknik isoline : 1. Tentukan nilai a dan b yang memenuhi : Fungsi Tujuan : Memaksimumkan Z = 40a + 30b Terhadap kendala : 2a + b 20 2a + 3b 32 2a – b 0 b 2 dan a 0 2. Tentukan nilai t dan u yang memenuhi : Fungsi Tujuan : Meminimumkan P = 20t + 30u Terhadap kendala : 2t + u 10 t + u 14 t + 4u 12 t 8 dan u 0 METODE GRAFIK DENGAN TITIK EKSTRIM Teknik kedua untuk menentukan solusi optimum pada daerah layak (feasible region) dengan metode grafik adalah titik ekstrim. Titik ekstrim merupakan titik-titik sudut pada daerah layak. Nilai ekstrim dari fungsi tujuan pasti terletak pada salah satu titik ekstrim. Langkah yang dilakukan untuk menentukan solusi optimum dengan teknik titik ekstrim adalah : 1. Tentukan irisan (intersection) daerah penyelesaian dari semua fungsi kendala, sehingga diperoleh daerah layak (feasible region). 2. Tentukan tiitik ekstrim (titik sudut) dari daerah layak. 3. Evaluasi nilai fungsi tujuan pada setiap titik ekstrim daerah layak. Solusi optimum terletak pada salah satu titik ekstrim daerah layak. 4. Tentukan nilai optimumnya, dengan aturan: nilai terbesar dari evaluasi pada langkah 3 menjadi nilai maksimum, dan nilai terkecilnya menjadi nilai minimum Contoh 1.4 6 PROGRAM LINEAR Untuk mengetahui proses penentuan solusi optimum dari suatu permasalahan program linear menggunakan metode grafik dengan teknik isoline, lebih jelasnya perhatikan gambar berikut. C B O A Gambar 1.4 Jika fungsi tujuan dari permasalahan diatas adalah Z, setelah ditentukan koordinat titik O, A, B, dan C, maka selanjutnya eveluasi nilai Z di setiap titik tersebut. Tentukan Z O, ZA, ZB, dan ZC. Nilai maksimum = maks (ZO, ZA, ZB, ZC) Nilai minimum = min (ZO, ZA, ZB, ZC) Latihan 1.4 Tentukan solusi dari permasalahan berikut ini menggunakan metode grafik dengan teknik titik ekstrim : 1. Tentukan nilai a dan b yang memenuhi : Fungsi Tujuan : Memaksimumkan Z = 40a + 30b Terhadap kendala : 2a + b 20 2a + 3b 32 2a – b 0 b 2 dan a 0 2. Tentukan nilai t dan u yang memenuhi : Fungsi Tujuan : Meminimumkan P = 20t + 30u Terhadap kendala : 2t + u 10 t + u 14 t + 4u 12 t 8 dan u 0 E. KEJADIAN KHUSUS PADA METODE GRAFIK Permasalahan program linear terkadang ada yang memiliki lebih dari satu penyelesaian, atau memiliki penyelesaian yang nilainya tidak terbatas, bahkan ada permasalahan yang tidak dapat dicari penyelesaiannya. Berikut akan dibahas berbagai kejadian khusus yang dapat muncul saat optimasi fungsi tujuan dengan menggunakan metode grafik. 1. Degenerasi Satu titik terbentuk dari perpotongan antara dua buah garis. Apabila terjadi perpotongan tiga garis melalui satu titik maka kejadian ini disebut dengan over determined. Over deternimed inilah yang menyebabkan salah satu kejadian khusus pada metode grafik, yaitu degenerasi. Dengan alasan ini dapat 7 PROGRAM LINEAR dikatakan bahwa terdapat satu batasan yang melimpah atau berlebih. Batasan yang seperti ini dinamakan dengan batasan redundan (redundant constarins). 2. Optimal Alternatif Dalam kejadian ini terdapat beberapa alternatif penyelesaian optimal pada suatu permasalahan. Hal ini terjadi apabila fungsi tujuan sejajar dengan fungsi batasan pembentuk penyelesaian optimal. Akibatnya, fungsi tujuanakan bernilai optimal sama pada lebih dari satu titik penyelesaian. 3. Penyelesaian tidak feasible Suatu model pemrograman linear dikatakan memiliki penyelesaian tak feasible apabila fungsi-fungsi batasan dalam model tersebut tidak dapat dipenuhi secara simultan. Dengan kata lain, Interseksi dari semua fungsi batasan yang ada tidak dapat ditemukan. 4. Penyelesaian tidak terbatas Pada model masalaah program linear ada beberapa model dimana variabel-variabel tersebut dapat dinaikkan sampai tak terhingga tanpa melanggar fungsi batasan. Hal ini berarti ruang penyelesaian atau daerah penyelesaian dari permasalahan pemrograman linear tersebut tidak terbatas. Akibatnya, nilai fungsi tujuan dalam kasus memaksimumkan dapat naik sampai tak terhingga. Melihat kejadian ini dikatakan bahwa permasalahan pemrograman linear tersebut memiliki daerah penyelesaian yang tak terbatas dan nilai fungsi tujuannya pun tidak terbatas. Latihan 1.5 1. 2. 3. 4. Tentukan nilai a dan b yang memenuhi : Fungsi tujuan : Memaksimumkan W = 3a + 9b Terhadap kendala : a + 4b 8 a + 2b 4 a, b 0 Tentukan nilai x dan y yang memenuhi : Fungsi tujuan : Memaksimumkan T = 2x + 4y Terhadap kendala : x + 2y 5 x+y4 x, y 0 Tentukan nilai r dan s yang memenuhi : Fungsi tujuan : Memaksimumkan K = 3r + 2s Terhadap kendala : 2r + s 2 3r + 4s 12 r, s 0 Tentukan nilai t dan u yang memenuhi : Fungsi tujuan : Memaksimumkan S = 2t + u Terhadap kendala : t – u 10 2t 40 t, u 0 8 PROGRAM LINEAR A. PENDAHULUAN Apabila suatu persoalan program linear hanya mengandung dua variabel keputusan, maka untuk menentukan solusinya dapat dilakukan dengan metode grafik. Akan tetapi apabila permasalahan mengandung tiga variabel atau lebih, maka akan sangat sulit, bahkan tidak bisa dilakukan optimasi dengan metode grafik sehingga diperlukan metode lain untuk menentukan titik serta nilai optimumnya. Salah satu metode yang bisa digunakan adalah metode simpleks. Gagasan metode simpleks adalah menerjemahkan definisi geometris atau grafik dari titik ekstrim atau titik sudut menjadi definisi aljabar. Metode simpleks adalahsuatu teknik penyelesaian pemrograman linear secara iterasi. Metode simpleks mencari suatu penyelesaian dasar yang feasible ke penyelesaian dasar feasible lainnya yang dilakukan secara berulang-ulang sehingga akhirnya tercapai suatu penyelesaian optimum. Setiap tahap penyelesaian menghasilkan nilai fungsi tujuanyang selalu lebih optimum atau sama dari tahap-tahap penyelesaian sebelumnya. Metode simpleks sangat sistematik dan dilengkapi test kriteria yang dapat memberitahukan kapan perhitungan harus dilanjutkan atau dihentikan sampai diperoleh solusi optimum. B. BENTUK STANDAR MODEL PROGRAM LINEAR Pada metode simpleks permasalahan pemrograman linear selalu diubah menjadi bentuk standart (bentuk kanonik). Ciri dari bentuk kanonik adalah sebagai berikut : 1. Semua batasan atau kendala adalah persamaan dengan sisi kanan yang non negatif. 2. Semua variabel keputusan adalah non negatif. 3. Fungsi tujuan dapat berupa maksimasi dan minimasi. Secara umum bentuk kanonik dari permasalahan program linear adalah sebagai berikut : Optimumkan : Z = c1x1 + c2x2 + ... + cnxn Dengan batasan : a11x1 + a12x2 + ... + a1nxn = b1 a21x1 + a22x2 + ... + a2nxn = b2 ⁞ ⁞ ⁞ ⁞ ⁞ am1x1 + am2x2 + ... + amnxn = bm x1, x2,... , xn 0 b1, b2,... , bm 0 Berikut ini adalah cara pengubahan dari masalah program linear ke dalam bentuk kanonik. No 1 Tinjauan Fungsi Batasan Cara Pengubahan ke Bentuk Kanonik Fungsi batasan berupa pertidaksamaan dengan tanda Tambahkan variabel slack pada ruas kiri. Variabel slack biasa disimbolkan dengan S dengan S 0. Contoh : 3a + 2b 36 dengan a, b 0 Bentuk kanoniknya menjadi 3a + 2b + S = 36 dengan a, b, S 0 9 PROGRAM LINEAR Fungsi batasan berupa pertidaksamaan dengan tanda Tambahkan variabel slack pada ruas kiri. Variabel surplus biasa disimbolkan dengan S dengan S 0. Contoh : 3a + 2b 36 dengan a, b 0 Bentuk kanoniknya menjadi 3a + 2b S = 36 dengan a, b, S 0 Fungsi batasan dengan nilai kanan negatif Mengalikan masing-masing sisi dari fungsi batasan dengan 1. Contoh : 3a + 2b 12 dengan a, b 0 3a + 2b + S = 12 dengan a, b, S 0 Bentuk kanoniknya menjadi 3a 2b S = 12 dengan a, b, S 0 2 Variabel Keputusan Variabel yang tidak dibatasi tanda Misalkan ada variabel x yang nilainya tidak dibatasi, maka x harus disubstitusi dengan x1 – x2 dengan x1, x2 0. Substitusi ini menyebabkan perubahan pada fungsi tujuan dan fungsi batasannya. 3 Fungsi Tujuan Catatan : Sisi kanan dari fungsi tujuan dibuat nol (0) Bentuk memaksimumkan fungsi tujuan ekuivalen meminimumkan negatif dari fungsi tujuan tersebut. dengan Contoh 2.1 Permasalahan Program Linear Memaksimumkan Terhadap batasan : Z = 2a + 3b + c : 3a + b 9 4a + 5c 20 a + 2b + c 12 a, b 0, c tidak dibatasi Bentuk Kanonik Memaksimumkan Terhadap batasan : Z – 2a – 3b – c1 + c2 = 0 : 3a + b S1 = 9 4a + 5c1 – 5c2 + S2 = 20 a 2b c1 + c2 + S3 = 12 a, b, c1, c2, S1, S2, S3 0 Latihan 2.1 Tentukan bentuk kanonik dari permasalahan berikut : 1. Memaksimumkan Terhadap batasan : : Z = 8p + 6q 4p + 3q 18 6p + 5q 30 2p + q 8 p, q 0 2. Meminimumkan Terhadap batasan : : P = 3x + 2y + 4z x + y – z 12 2x + y 3 x, z 0, y tidak dibatasi 3. Meminimumkan Terhadap batasan : : W = 6a + 5b + 2c 3a + 2b + 5c 30 2a + 7b 28 3a 5c 15 a, b 0, c tidak dibatasi 10 PROGRAM LINEAR C. KONSEP DASAR METODE SIMPLEKS Konsep dasar metode simpleks bertolak dari konsep dasar metode grafik, yaitu penyelesaian optimum terjadi pada titik ekstrim. Metode simpleks dalam bekerja menggunakan proses iterasi dimulai dari titik ekstrim feasible awal ke titik ke titik ekstrim feasible lain yang terhubung (adjecent), dan iterasi akan berhenti jika penyelesaian optimal telah diperoleh. Perhatikan contoh permasalahan program linear dan penyelesaiannya dengan metode grafik berikut ini: Memaksimumkan : Terhadap batasan : Z = 3a + 5b 2a 6 3b 15 6a + 4b 24 a, b 0 D C B O A Gambar 2.1 Algoritma simpleks dimulai dari titik feasible awal (misalkan titik asal O) dan akan menghasilkan penyelesaian awal. Kemudian iterasi dilanjutkan ke titik ekstrim lain yang terhubung dengan O. Dalam permasalahan ini ada dua kemungkinan titik ekstrim yang terhubung dengan O yaitu titik A dan D. Untuk menentukan titik mana yang terpilih untuk iterasi selanjutnya dapat dilihat dari koefisien-koefisien pada fungsi tujuannya. Jika koefisien a b dan masalahnya memaksimumkan maka penyelesaian akan bergerak sejalan dengan kenaikan b. Jadi,iterasi selanjutnya terjadi di titik D. Di titik D ini proses diulang untuk melihat apakah ada titik ekstrim lain yang dapat memperbaiki nilai fungsi tujuan. Demikian seterusnya sehingga diperoleh nilai optimum. Cara penentuan titik awal feasible pada metode simpleks adalah sebagai berikut : Ubah permasalahan program linear kedalam bentuk kanonik. Misal permasalahan tersebut terdiri atas n buah variabel dan m buah fungsi batasan, titik ekstrim feasible awal ditentukan dengan terlebih dahulu mengambil sebanyak (n – m) variabel yang disamadengankan nol, dan disebut sebagai variabel non basis. Variabel selain variabel non basis, disebut sebagai variabel basis. Penyelesaian tunggal yang dihasilkan dengan menetukan variabel basis, disebut dengan penyelesaian basis. Untuk dapat menyelesaikan dengan metode simpleks penyelesaian basis awal yang diperoleh harus merupakan penyelesaian basis awal yang feasible, yang memenuhi syarat non negatif. D. ALGORITMA SIMPLEKS Berikut ini merupakan algoritma penyelesaian permasalahan pemrograman linear dengan menggunakan Metode Simpleks. 1. Langkah 1 : Ubah permasalahan menjadi bentuk kanonik. 2. Langkah 2 : Tentukan variabel basis dan variabel non basis dari bentuk kanonik persamaan linear untuk mencari penyelesaian basis awal yang feasible. 3. Langkah 3 : Susun persamaan-persamaan ke dalam tablo simpleks. Berikut ini adalah cara menyusun bentuk kanonik kedalam tablo simpleks. 11 PROGRAM LINEAR Variabel Bais Z X1 X2 Z Xn+1 Xn+2 ... Xn+m 1 0 0 ... 0 -c1 a11 a21 ... am1 -c2 a12 a22 ... am2 ... ... ... ... ... Xn Xn+1 Xn+2 ... Xn+m Nilai Kanan a1n a2n ... amn 0 1 0 ... 0 0 0 1 ... 0 ... ... ... ... ... 0 0 0 ... 1 0 b1 b2 ... bm Rasio Keterangan : Nilai kanan adalah nilai di belakang tanda sama dengan dan sering disebut sebagai penyelesaian. Xn+1, Xn+2, ... , Xn+m merupakan simbol lain dari variabel slack yang biasa disimbolkan S 1, S2, ... , Sm. 4. Langkah 4 : Memilih entering variable yang biasa disimbolkan dengan ev. Entering variable adalah variabel non basis yang masuk sebagai variabel basis pada iterasi berikutnya. Cara menentukan ev adalah : 5. Jika fungsi tujuan memaksimumkan Pilih nilai yang terletak pada baris fungsi tujuan yang memiliki nilai negatif dengan angka terbesar. Variabel yang memiliki koefisien nilai terpilih (variabel pada tablo terletak di atas nilai terpilih), ditentukan sebagai ev. Jika pada baris fungsi tujuan, semua koefisien sudah bernilai non negatif, maka penyelesaian selesai dan iterasi berhenti. Jika fungsi tujuan meminimumkan Pilih nilai yang terletak pada baris fungsi tujuan yang memiliki nilai positif dengan angka terbesar. Variabel yang memiliki koefisien nilai terpilih (variabel pada tablo terletak di atas nilai terpilih), ditentukan sebagai ev. Jika pada baris fungsi tujuan, semua koefisien sudah bernilai non positif, maka penyelesaian selesai dan iterasi berhenti. Langkah 5: Memilih leaving variable yang biasa disimbolkan dengan lv. Leaving variable adalah variabel basis yang akan keluar menjadi variabel non basis pada iterasi berikutnya. Berikut adalah cara penentuan lv. Baik untuk fungsi tujuan memaksimumkan dan meminimumkan lv. Dipilih diantara variabal basis yang memiliki nilai rasio terkecil. Rasio ditentukan dengan cara sebagai berikut : Rasio = 6. Nilai Kanan Elemen kolom ev Hal yang perlu diperhatikan dalam mencari nilai rasio adalah sebagai berikut : Baris fungsi tujuan tidak dicari nilai rasionya. Jika elemen pada kolom ev nol atau negatif maka nilai rasio diabaikan. Baris yang memuat variabel yang terpilih sebagai lv disebut sebagai baris pivot. Irisan antara baris pivot dan kolom pivot disebut sebagai elemen pivot. Langkah 6 : Memperbaiki nilai-nilai pada baris persamaan pivot, caranya : Nilai baris pivot baru = 7. Nilai baris pivot lama Elemen pivot Langkah 7 : Memperbaiki nilai pada baris lain selain baris pivot, dengan aturan : Nilai baris baru = nilai baris lama – (koefisien kolom ev nilai baris pivot baru ) 8. Langkah 8 : Ulangi langkah 4 sampai dengan 8 sampai diperoleh penyelesaian optimal. 12 PROGRAM LINEAR Contoh 2.2 Perhatikan permasalahan program linear berikut : Permasalahan Program Linear Bentuk Kanonik Memaksimumkan : P = 3a + 5b Terhadap batasan : 2a 6 3b 15 6a + 4b 24 a, b 0 Memaksimumkan : Terhadap batasan : (1) (2) (3) P – 3a – 5b = 0 2a + S1 = 6 3b + S2 = 15 6a + 4b + S3 = 24 a, b, S1, S2, S3 0 (1) (2) (3) Selesaikan permasalahan di atas dengan Metode Simpleks Penyelesaian basis awal feasible : Ambil sebanyak 5 – 3 = 2 variabel non basis yaitu : a = b = 0. Akibatnya S1 = 6, S2 = 15, dan S3 = 24 sebagai variabel basis. Hal ini menghasilkan nilai awal fungsi tujuan P = 0. Menuangkan dalam tablo simpleks. Keterangan Iterasi Awal (0) ev = b lv = S2 Variabel Basis P S1 S2 S3 P a b S1 S2 S3 1 0 0 0 -3 2 0 6 -5 0 3 4 0 1 0 0 0 0 1 0 0 0 0 1 Perbaikan nilai baris pivot 1 1 Nilai baris pivot baru = baris pivot lama = [ 3 3 = [ 0 0 0 3 0 1 0 0 1 3 Nilai Kanan 0 6 15 24 1 0 0 5 ] Rasio 5 6 15 ] Perbaikan nilai baris lainnya Perbaikan nilai baris fungsi tujuan Nilai lama : [ 1 -3 -5 0 0 1 0 0 ] 0 5 ] 0 25] 0 6] 0 5] -5 [ nilai baris pivot baru ] : -5 [ 0 0 1 0 Nilai baru : [ 1 -3 0 0 [ 0 2 0 1 0 [ nilai baris pivot baru ] : 0 [ 0 0 1 0 Nilai baru : [ 0 2 0 1 0 0 6] Perbaikan nilai baris fungsi batasan (3) Nilai lama : [ 0 6 4 0 1 24] 4 [ nilai baris pivot baru ] : 4 [ 0 0 1 0 0 1 0 5 ] Nilai baru : 6 0 0 1 4] Perbaikan nilai fungsi batasan (1) Nilai lama : [ 0 3 5 3 0 1 3 3 4 3 Jika hasil perbaikan tersebut dituangkan ke dalam tablo simpleks maka di dapatkan tablo simpleks untuk iterasi 1, yaitu sebagai berikut : 13 PROGRAM LINEAR Keterangan Variabel Basis P a b S1 S2 S3 Nilai Kanan Rasio Iterasi P 1 -3 0 0 5/3 0 25 - (1) S1 0 2 0 1 0 0 6 3 ev = a B 0 0 1 0 1/3 0 5 - lv = S3 S3 0 6 0 0 -4/3 1 4 2/3 Selanjutnya langkah 4 sampai 8 diulangi hingga diperoleh penyelesaian optimum. Berikut adalah tablo simpleks secara lengkap dari permasalahan di atas. Keterangan Variabel Basis P a b S1 S2 S3 Nilai Kanan Rasio Iterasi Awal P 1 -3 -5 0 0 0 0 - 0 S1 0 2 0 1 0 0 6 - ev = b S2 0 0 3 0 1 0 15 5 lv = S2 S3 0 6 4 0 0 1 24 6 Iterasi P 1 -3 0 0 5/3 0 25 - (1) S1 0 2 0 1 0 0 6 3 ev = a B 0 0 1 0 1/3 0 5 - lv = S3 S3 0 6 0 0 -4/3 1 4 2/3 Iterasi P 1 0 0 0 1 1/2 27 (2) S1 0 0 0 1 4/9 - 1/3 14/3 Optimal B 0 0 1 0 1/3 0 5 A 0 1 0 0 - 2/9 1/6 2/3 Karena pada iterasi (2) semua nilai pada baris fungsi tujuan sudah non negatif maka penyelesaian optimal 2 telah tercapai. Jadi, permasalahan tersebut mencapai nilai optimal di (a, b) = , 6 dengan Pmaks = 27 3 Latihan 2.2 Dengan metode simpleks tentukan penyelesaian dari permasalahan berikut : 1. Memaksimumkan Terhadap batasan : : Z = 3p + 2q 2p + q 5 p+q3 p, q 0 2. Memaksimumkan Terhadap batasan : : P = x + 9y + z x + 2y + 3z 9 3x + 2y + 2z 15 x, y, z 0 E. PENYELESAIAN AWAL SEMU Contoh 2.3 Perhatikan contoh permasalahan linear berikut : Permasalahan Program Linear Meminimumkan : W = 6i + 15j + 24k Terhadap batasan : 2i + 6k 3 (1) 3j + 4k 5 (2) i, j, k 0 Bentuk Kanonik Meminimumkan : W 6i 15j 24k = 0 Terhadap batasan : 2i + 6k S1 = 3 (1) 3j + 4k S2 = 5 (2) i, j, k, S1, S2 0 14 PROGRAM LINEAR Bentuk kanonik tersebut terdiri atas dua persamaan dan lima variabel tek diketahui. Sehingga untuk menentukan penyelesaian basis awal terlebih dahulu harus menentukan sebanyak n – m = 5 – 2 = 3 variabel non basis. Misalkan dipilih i = j = k = 0 maka diperoleh variabel basisnya adalah S1, dan S2 dengan nilai S1 = -3 dan S2 = -5. Karena terdapat variabel basis yang nilainya negatif, berarti penyelesaian basis awal yang diperoleh merupakan penyelesaian basis awal yang tidak feasible. Untuk mengatasi hal tersebut maka pada bentuk kanonik untuk setiap persamaan yang tidak mengandung variabel slack ditambah variabel semu pada ruas kirinya. Variabel semu biasa disimbolkan R dengan R 0. Penambahan variabel ini diperlakukan seperti variabel slack maupun variabel surplus. Sebagai konsekuensi dari penggunaan variabel semu ini adalah penambahan sebesar MR pada ruas kanan fungsi tujuan yang meminimalkan dan adanya pengurangan sebesar MR pada ruas kanan fungsi tujuan yang memaksimalkan (M adalah bilangan positif yang sangat besar) Karena variabel semu tidak berarti pada masalah aslinya, maka prosedur akan valid hanya apabila pada saat optimasi, variabel semu ini bernilai nol. Dengan kata lain, variabel semua hanya digunakan pada awal penyelesaian dan sebagai konsekuensinya harus dinolkan pada penyelesaian akhirnya. Apabila ada variabel semu yang tidak sama dengan nol pada penyelesaian akhirnya berarti penyelesaian tersebut tidak feasible. F. METODE PENALTI / TEKNIK M Metode ini merupakan salah satu metode yang dapat digunakan untuk menyelesaikan permasalahan program linear yang bentuk kanoniknya mengandung variabel semu. Perhatikan contoh 2.3 Permasalahan Program Linear Bentuk Kanonik Meminimumkan : W = 6i + 15j + 24k Terhadap batasan : 2i + 6k 3 (1) 3j + 4k 5 (2) i, j, k 0 Karena (1) (2) 2i + 6k S1 + R1 = 3 3j + 4k S2 + R2 = 5 Meminimumkan : W = 6i + 15j + 24k + M (R1 + R2) Terhadap batasan : 2i + 6k S1 + R1 = 3 (1) 3j + 4k S2 + R2 = 5 (2) i, j, k, S1, S2, R1, R2 0 R1 = 3 – 2i – 6k + S1 R2 = 5 – 3j – 4k + S2 Maka R1 + R2 = 8 – 2i – 3j – 10k + S1 + S2 Sehingga bentuk kanoniknya menjadi : Meminimumkan : W = 6i + 15j + 24k + M (R1 + R2) = 6i + 15j + 24k + M (8 – 2i – 3j – 10k + S1 + S2) W = (6 – 2M)i + (15 – 3M)j + (24 – 10M)k + MS1 + MS2 + 8M W + (–6 + 2M)i + (–15 + 3M)j + (–24 + 10M)k – MS1 – MS2 = 8M Terhadap batasan : 2i + 6k S1 + R1 = 3 3j + 4k S2 + R2 = 5 i, j, k, S1, S2, R1, R2 0 Permasalahan tersebut memiliki 2 persamaan dengan 7 variabel yang tidak diketahui. Selanjutnya permasalahan ini diselesaikan dengan metode simpleks sebagai berikut : Mencari penyelesaian basis awal feasible. Ambil sebanyak 7 – 2 = 5 variabel non basis yaitu : i = j = k = S1 = S2 = 0. Akibatnya R1 = 3, R2 = 5 sebagai variabel basis. Hal ini menghasilkan nilai awal fungsi tujuan W = 8M. Tablo Simpleks secara lengkap dari masalah tersebut adalah sebagai berikut : Ket Var. Basis W I Iterasi Awal W 1 -6+2M j k -15+3M -24+10M Nilai Rasio Kanan S1 S2 R1 R2 -M -M 0 0 8M - ev = k R1 0 2 0 6 -1 0 1 0 3 1/2 lv = R1 R2 0 0 3 4 0 -1 0 1 5 5/4 Iterasi (1) W 1 0 -4+(2M/3) -M 4-(5M/3) 0 12+3M - ev = j k 0 1/3 0 1 -1/6 0 1/6 0 ½ - lv = R2 R2 0 -4/3 3 0 2/3 -1 -2/3 1 3 1 2-(4M/3) -15+3M 15 PROGRAM LINEAR Iterasi (2) W 1 -14/3 0 0 -2/3 -5 4/6 - M 5–M 27 Optimal k 0 1/3 0 1 -1/6 0 1/6 0 ½ j 0 -4/9 1 0 2/9 -1/3 -2/9 1/3 1 Karena pada iterasi (2) semua nilai pada baris fungsi tujuan sudah non positif maka penyelesaian optimal tercapai. Jadi permasalahan tersebut mencapai nilai optimal di titik (i, j, k) = 0, 1, 1 dengan Wmin = 27. 2 Latihan 2.3 Tentukan penyelesaian dari permasalahan berikut : Meminimumkan : 20r + 30s Terhadap batasan : 2r + s 10 r + 4s 12 r, s 0 G. METODE DUA TAHAP Pemberian koefisien M pada variabel semu fungsi tujuan untuk metode penalti, ternyata menghambat sekali. Karena pemberian bilangan yang sangat besar tersebut akan mengurangi kecepatan perhitungan. Jika pada tablo optimal simpleks dari permasalahan yang mengandung variabel semu ternyata R tidak sama dengan nol, maka penyelesaian yang diperoleh adalah penyelesaian optimal yang tidak feasible. Untuk mengatasi hal tersebut maka dikembangkan metode dua tahap. Sesuai dengan namanya, cara kerjanya dibagi menjadi dua tahap. Tahap I bertujuan untuk mengetahui apakah R dalam suatu permasalahan dapat mencapai nilai nol atau tidak. Jika R mencapai nilai nol berarti penyelesaian optimal yang akan diperoleh pada tahap II merupakan penyelesaian optimal yang feasible. Jika R tidak nol berarti penyelesaian optimal yang akan diperoleh pada tahap II merupakan penyelesaian optimal yang tidak feasible. Jika hal ini terjadi maka tahap II pada metode dua tahap tidak perlu dikerjakan. Tahap II pada metode duan tahap bertujuan untuk mencari penyelesaian optimal dari permasalahan aslinya. LANGKAH METODE DUA TAHAP Tahap I Mencari nilai minimal dari jumlah variabel-variabel semu terhadap fungsi batasan pada masalah aslinya. n Meminimumkan r = R i 1 i Jika rmin = 0 maka dilanjutkan ke tahap II Jika rmin > 0 maka tidak dilanjutkan ke tahap II Tahap II Menggunakan penyelesaian basis optimal pada tahap I sebagai penyelesaian basis awal pada masalah aslinya. Untuk lebih jelasnya perhatikan conoth berikut. Contoh 2.4 Tahap I Permasalahan Program Linear Bentuk Kanonik 2 Meminimumkan : W = 6i + 15j + 24k Terhadap batasan : 2i + 6k 3 (1) 3j + 4k 5 (2) i, j, k 0 Meminimumkan : r= R i 1 i Terhadap batasan : 2i + 6k S1 + R1 = 3 3j + 4k S2 + R2 = 5 i, j, k, S1, S2, R1, R2 0 (1) (2) 16 PROGRAM LINEAR Karena (1) (2) 2i + 6k S1 + R1 = 3 3j + 4k S2 + R2 = 5 R1 = 3 – 2i – 6k + S1 R2 = 5 – 3j – 4k + S2 Maka R1 + R2 = 8 – 2i – 3j – 10k + S1 + S2 Sehingga bentuk kanoniknya menjadi : 2 Meminimumkan : r = R i 1 = 8 – 2i – 3j – 10k + S1 + S2 i r + 2i + 3j + 10k – S1 – S2 = 8 Terhadap batasan : 2i + 6k S1 + R1 = 3 3j + 4k S2 + R2 = 5 i, j, k, S1, S2, R1, R2 0 Permasalahan tersebut memiliki 2 persamaan dengan 7 variabel yang tidak diketahui. Selanjutnya permasalahan tahap I ini diselesaikan dengan metode simpleks sebagai berikut : Mencari penyelesaian basis awal feasible. Ambil sebanyak 7 – 2 = 5 variabel non basis yaitu : i = j = k = S1 = S2 = 0. Akibatnya R1 = 3, R2 = 5 sebagai variabel basis. Hal ini menghasilkan nilai awal fungsi tujuan r = 8. Tablo Simpleks secara lengkap dari masalah tersebut adalah sebagai berikut : Var. Basis r i j K S1 S2 R1 R2 Iterasi Awal r 1 2 3 10 -1 -1 0 0 8 - ev = k R1 0 2 0 6 -1 0 1 0 3 1/2 lv = R1 R2 0 0 3 4 0 -1 0 1 5 5/4 Iterasi (1) r 1 -4/3 3 0 2/3 -1 -5/3 0 3 - ev = j K 0 1/3 0 1 -1/6 0 1/6 0 1/2 - lv = R2 R2 0 -4/3 3 0 2/3 -1 -2/3 1 3 1 Iterasi (2) r 1 0 0 0 -5/3 0 -1 -1 0 Optimal k 0 1/3 0 1 -1/6 0 1/6 0 1/2 j 0 -4/9 1 0 2/9 -1/3 -2/9 1/3 1 Keterangan Nilai Rasio Kanan Karena pada iterasi (2) semua nilai pada baris fungsi tujuan sudah non positif maka penyelesaian optimal tercapai. Berdasarkan iterasi pada tahap I diperoelh bahwa rmin = 0 berarti masalah tersebut memiliki penyelesaian yang feasible dan dapat dilanjutkan pada tahap II. TAHAP II Karena rmin = 0 berarti R1 = R2 = 0 sehingga variabel-variabel semu pada perhitungan tahap II dapat diabaikan. Sehingga tablo optimal tahap I dapat ditulis dalam bentuk persamaan menjadi : 1 1 1 4 1 2 i + j + S1 S2 = 1 i + k – S1 = (1) dan (2) 6 9 9 3 3 2 Sehingga permasalahan pada tahap II menjadi : Meminimumkan : W = 6i + 15j + 24k 1 Terhadap batasan : 3 4 i+k– 1 6 2 S1 = 1 2 1 i + j + S1 S2 = 1 9 9 3 i, j, k, S1, S2 0 Permasalahan tersebut memiliki 2 persamaan dengan 5 variabel yang tidak diketahui. Selanjutnya permasalahan ini diselesaikan dengan metode simpleks sebagai berikut : 17 PROGRAM LINEAR Mencari penyelesaian basis awal feasible. Pada tahap II ini penyelesaian basis awal feasible telah diperoleh dari tablo optimal permasalahan pada tahap I. Jadi dari tablo optimal permasalahan tahap I diperoleh bahwa : 1 1 1 1 1 1 (1) i + k – S1 = k = – i + S1 6 6 3 2 2 3 4 1 4 1 2 2 (2) i + j + S1 – S2 = 1 j = 1 + i – S1 + S2 9 9 9 9 3 3 1 1 1 4 1 2 Sehingga penyelesaian basis awal tahap II terjadi pada saat : k = – i + S1 dan j = 1 + i – S1 + S2 6 9 9 2 3 3 dengan : W = 6i + 15j + 24 W = 6i + 15 1 + W = 14 4 9 i- 1 1 1 1 S1 + S2 + 24 - i S1 9 3 2 3 6 2 2 S1 +5S2 + 27 3 3 14 2 W i S1 5S2 = 27 3 3 i+ Tablo Simpleks secara lengkap dari masalah tersebut adalah sebagai berikut : Keterangan Variabel Basis W i j k S1 S2 Nilai Kanan Iterasi awal W 1 -14/3 0 0 -2/3 -5 27 (0) k 0 1/3 0 1 -1/6 0 1/2 Optimum j 0 -4/9 1 0 2/9 -1/3 1 Rasio Karena pada iterasi awal (0) semua nilai pada baris fungsi tujuan sudah non positif maka penyelesaian optimal telah tercapai. Jadi permasalahan tersebut mencapai nilai optimal di titik (i, j, k) = 0, 1, 1 2 dengan nilai Wmin = 27. Latihan 2.4 Tentukan penyelesaian dari permasalahan berikut dengan metode simpleks dua tahap : Meminimumkan : 20r + 30s Terhadap batasan : 2r + s 10 r + 4s 12 r, s 0 H. INTERPRETASI TABLO OPTIMAL SIMPLEKS Dalam suatu tablo optimal simpleks terdapat beberapa informasi penting yang dapat digunakan sebagai bahan pertimbangan dalam meningkatkan nilai keoptimalan fungsi tujuan. Informasi penting tersebut meliputi : 1. Penyelesaian optimal 2. Status sumber 3. Bobot satuan (unit worth) suatu sumber Contoh 2.5 Sebuah industri rumah tangga memproduksi dua jenis roti, yaitu roti jenis A dan B dengan bahan dasar berupa terigu, keju dan daging. Kebutuhan dasar utama per unit produksi dan batas maksimum persediaan bahan dasar utama untuk satu masa produksi serta laba dari penjualan kue tertera pada tabel berikut : 18 PROGRAM LINEAR Jenis Kue A B 12 8 0 6 4 0 Bahan Dasar Utama Terigu Keju Daging Laba 6 Persediaan Maksimum Satuan 52 30 12 Kg ons ons 10 Ratusan Rupiah Permasalahan tersebut dapat diubah ke dalam bentuk matematis menjadi : Permasalahan Program Linear Memaksimumkan : P = 6a + 10b Terhadap batasan : 12a + 8b 52 6b 30 4a 12 a, b 0 Bentuk Kanonik (1) (2) (3) Memaksimumkan : Terhadap batasan : P – 6a – 10b = 0 12a + 8b + S1 = 52 6b + S2 = 30 4a + S3 = 12 a, b, S1, S2, S3 0 (1) (2) (3) Apabila permasalahan tersebut diselesaikan dengan metode simpleks, maka diperoleh tablo simpleks berikut : Keterangan Variabel Basis P a b S1 S2 S3 Nilai Kanan Rasio Iterasi Awal P 1 -6 -10 0 0 0 0 - 0 S1 0 12 8 1 0 0 52 13/2 ev = b S2 0 0 6 0 1 0 30 5 lv = S2 S3 0 4 0 0 0 1 12 - Iterasi P 1 -6 0 0 5/3 0 50 - (1) S1 0 12 0 1 4/3 0 12 1 ev = a b 0 0 1 0 1/6 0 5 - lv = S1 S3 0 4 0 0 0 1 12 3 Iterasi P 1 0 0 1/2 1 0 56 (2) a 0 1 0 1/12 -1/9 0 1 Optimal b 0 0 1 0 1/6 0 5 S3 0 0 0 -1/3 4/9 1 28/3 PENYELESAIAN OPTIMAL Dalam membaca informasi penyelesaian optimal, klasifikasi variabel sebagai variabel basis maupun non basis tidak begitu penting. Variabel yang tidak tercantum dalam kolom variabel basis berarti bernilai nol. Sedangkan nilsi variabel-variabel yang terletak pada kolom variabel basis dapat dilihat pada kolom nilai kanan. Dari tablo optimal simpleks pada contoh 2.5 dapat diperoleh informasi seperti yang terlihat pada tabel berikut: Variabel Keputusan Nilai Optimal Keputusan a B P 1 5 56 Dalam satu masa produksi membuat roti jenis A sebanyak 1 Dalam satu masa produksi membuat roti jenis B sebanyak 5 Keuntungan yang diperoleh sebesar Rp. 5.600,- STATUS SUMBER Status dari sumber dalam satu masa produksi diklasifikasikan menajdi dua jenis, yaitu : Scarce, sumber dikatakan scarce apabila kapasitas persediaan sumber tersebut dipakai semua Abundant, sumber dikatakan abundant apabila kapasitas persediaan sumber tersebut tidak dipakai semua 19 PROGRAM LINEAR Dalam pembahasan mengenai status sumber ini berkaitan dengan persediaan sumber yang mempunyai batas maksimal, yang ebrarti fungsi batasan yang berkaitan dengan sumber tersebut merupakan pertidaksamaan dengan tanda . Sehingga untuk permasalahan program linear dengan fungsi batasan berupa pertidaksamaan dengan tanda secara fisik tidak dapat dikaji tentang status sumber dari permasalahan tersebut. Informasi mengenai status sumber dapat dilihat langsung dari tablo optimal simpleks dengan cara memperhatikan nilai-nilai variabel slacknya. Untuk lebih jelasnya, berikut ini akan dibahas status sumber pada permaslaahan dari contoh 2.5. Sumber Variabel slack Status sumber Sumber 1 (terigu) Sumber 2 (keju) Sumber 3 (daging) S1 = 0 S2 = 0 S3 = 28/3 Scarce / terpakai semua Scarce / terpakai semua Abundant / melimpah Variabel slack yang bernilai positif berarti kapasitas dari sumber melimpah atau tidak digunakan seluruhnya. Sedangkan apabila variabel slack bernilai nol berarti persediaan sumber dipakai semua dalam produksi. Berdasar tabel di atas terlihat bahwa terigu dan keju dipakai semua dalam produksi roti. Sehingga, baik terigu maupun keju apabila kapasitasnya ditambah akan menigkatkan keuntungan. Untuk daging kapasitas sebesar 12 ons dalam satu masa produksi ternyata tidak dipakai seluruhnya, jadi masih ada sisa. Sehingga apabila kapasitas daging ditambah maka akan sia-sia karena tidak akan menambah keuntungan. BOBOT SATUAN (UNIT WORTH) SUATU SUMBER Unit worth suatu sumber adalah laju penambahan nilai optimal dari fungsi tujuan sebagai akibat kenaikan persediaan/kapasitas sumber. Informasi mengenai unit worth suatu sumber dapat diperoleh langsung dari tablo optimal simpleks. Untuk lebih jelasnya akan dilihat unit worth dari tablo optimal simpleks pada contoh 2.5 berikut : Variabel Nilai Keterangan P a b S1 S2 S3 Rasio Basis Kanan Iterasi P 1 0 0 1/2 1 0 56 (2) a 0 1 0 1/12 -1/9 0 1 Optimal b 0 0 1 0 1/6 0 5 S3 0 0 0 -1/3 4/9 1 28/3 Dari tabel di atas diperoleh informasi bahwa : Unit worth dari sumber 1 (terigu) sebesar 1/2 Berarti penambahan kapasitas terigu setiap 1 kg menyebabkan kenaikan keuntungan sebesar Rp. 50,Unit worth dari sumber 2 (keju) sebesar 1 Berarti penambahan kapasitas keju setiap 1 ons menyebabkan kenaikan keuntungan sebesar Rp. 100,Unit worth dari sumber 3 (daging) sebesar 0 Berarti penambahan kapasitas daging tidak akan mempengaruhi keuntungan Jadi penambahan kapasitas sumber 2 (keju) seharusnya lebih diprioritaskan dibandingkan sumber yang lain. I. KEJADIAN KHUSUS PADA METODE SIMPLEKS DEGENERASI Dalam penggunaan metode simpleks syarat ke-feasible-an ditunjukkan dengan rasio minimal. Dalam aplikasinya dimungkinkan terjadi rasio minimal tersebut lebih dari satu. Apabila hal itu terjadi maka satu atau lebih variabel basis akan bernilai nol pada iterasi berikutnya. Kejadian seperti ini dikatakanbahwa penyelesaian baru yang diperoleh adalah degenerate. Peristiwa ini terjadi disebabkan permasalahan program linear tersebut memiliki satu fungsi batasan yang berlebih. 20 PROGRAM LINEAR Contoh 2.6 Permasalahan Program Linear Memaksimumkan : Z = 3a + 9b Terhadap batasan : a + 4b 8 a + 2b 4 a, b 0 Bentuk Kanonik Memaksimumkan : Terhadap batasan : (1) (2) Z – 3a – 9b = 0 a + 4b + S1 = 8 a + 2b + S2 = 4 a, b, S1, S2 0 (1) (2) Berikut adalah tablo simpleks dari permasalahan di atas : Keterangan Variabel Basis Z a b S1 S2 Nilai Kanan Rasio Iterasi Awal (0) Z 1 -3 -9 0 0 0 - ev = b S1 0 1 4 1 0 8 2 lv = S2 S2 0 1 2 0 1 4 2 Iterasi (1) Z 1 -3/4 0 9/4 0 18 - ev = a B 0 1/4 1 1/4 0 2 8 lv = S1 S2 0 1/2 0 -1/2 1 0 0 Iterasi (2) Z 1 0 0 3/2 3/2 18 Optimal B 0 0 1 1/2 -1/2 2 a 0 1 0 -1 2 0 Secara umum, pada peristiwa degenerasi, prosedur simpleks akan terulang dalam iterasi pada baris yang sama, nilai fungsi tujuan tidak berubah dan perhitungan tidak pernah berhenti. Peristiwa ini disebut cycling. Tabel pada contoh 2.6 diatas memperlihatkan degenerasi terjadi karena pada iterasi (1) dan (2) walaupun variabel basis dan non basisnya berbeda, namun tetap menghasilkan nilai yang sama untuk semua variabel dalam fungsi tujuan, yaitu : a = 0, b = 2, S1 = 0, dan S2 = 0 menghasilkan Wmaks = 18. Jadi peristiwa degenerasi tidak selamanya seperti pada cycling, namun ada kemungkinan degenerasi tersebut sifatnya hanya sementara saja (temporarily degenerate). OPTIMAL ALTERNATIF Dalam kejadian ini terdapat beberapa alternatif penyelesaian optimal pada suatu permasalahan. Artinya, fungsi tujuanakan bernilai optimal sama pada lebih dari satu titik penyelesaian. Perhatikan contoh berikut ini : Contoh 2.7 Permasalahan Program Linear Memaksimumkan : P = 2a + 4b Terhadap batasan : a + 2b 5 a+b4 a, b 0 Bentuk Kanonik Memaksimumkan : Terhadap batasan : (1) (2) P – 2a – 4b = 0 a + 2b + S1 = 5 a + b + S2 = 4 a, b, S1, S2 0 (1) (2) Berikut adalah tablo simpleks dari permasalahan di atas : Keterangan Variabel Basis P a B S1 S2 Nilai Kanan Rasio Iterasi Awal (0) P 1 -2 -4 0 0 0 - ev = b S1 0 1 2 1 0 5 5/2 lv = S1 S2 0 1 1 0 1 4 4 21 PROGRAM LINEAR Iterasi (1) Optimal P 1 0 0 2 0 10 - ev = a b 0 1/2 1 1/2 0 5/2 5 lv = S2 S2 0 1/2 0 -1/2 1 3/2 3 Iterasi (2) P 1 0 0 2 0 10 Optimal b 0 0 1 1 1 1 a 0 1 0 -1 2 3 Pada metode simpleks iterasi terjadi dari satu titik ekstrim ke titik ekstrim lain yang saling terhubung. Pada tabel diatas terlihat bahwa penyelesaian optimal tercapai di titik (a, b) = (0, 5/2) dan menghasilkan Pmaks = 10. Perhatikan iterasi (1), koefisien dari variabel non basis a pada fungsi tujuan adalah nol, selanjutnya a masuk sebagai variabel basis pada iterasi berikutnya tanpa mengubah nilai P, tetapi berakibat pada perubahan nilai variabelnya. Pada iterasi (2), a masuk menjadi variabel basis dan memaksa S 2 keluar menjadi variabel non basis. Pada iterasi (2) penyelesaian optimal baru terjadi di (a, b) = (3, 1) dan menghasilkan Pmaks = 10. PENYELESAIAN TIDAK TERBATAS Perhatikan contoh permasalahan pemrograman linear berikut : Contoh 2. 8 Permasalahan Program Linear Memaksimumkan : T = 2a + b Terhadap batasan : a b 10 2b 40 a, b 0 Bentuk Kanonik (1) (2) Memaksimumkan : Terhadap batasan : T – 2a – b = 0 a b + S1 = 5 2a + S2 = 40 a, b, S1, S2 0 (1) (2) Berikut adalah tablo simpleks dari permasalahan di atas : Keterangan Variabel Basis P a b S1 S2 Nilai Kanan Rasio Iterasi Awal (0) T 1 -2 -1 0 0 0 - ev = b S1 0 1 -1 1 0 10 10 lv = S1 S2 0 2 0 0 1 40 20 Iterasi (1) T 1 0 -3 2 0 20 - ev = b A 0 1 -1 1 0 10 - lv = S2 S2 0 0 2 -2 1 20 10 Iterasi (2) T 1 0 0 -1 3/2 50 - A 0 1 0 0 1/2 30 - b 0 0 1 -1 1/2 10 - Perhatikan tabel di atas. Pada iterasi (2) penyelesaian optimal belum tercapai, S1 terpilih sebagai entering variable, akan tetapi leaving variable-nya tidak dapat ditentukan. Jadi permasalahan tersebut memiliki penyelesaian yang tidak terbatas. Secara umum, perhatikan tabel diatas, a dan b merupakan variabel non basis. Salah satu variabel ini akan terpilih menjadi entering variable yang akan masuk sebagai variabel basis pada iterasi selanjutnya. Tetapi perhatikan bahwa semua fungsi batasan di kolom b adalah non-positif. Artinya, nilai b dapat dinaikkan sampai tak hingga tanpa melanggar satupun batasan. Jadi dengan melihat tablo awal simpleks, tanpa melalui perhitungan pun dapat disimpulkan bahwa permasalahan tersebut memiliki penyelesaian yang tidak terbatas. 22 PROGRAM LINEAR PENYELESAIAN TIDAK FEASIBLE Perhatikan contoh permasalahan pemrograman linear berikut : Contoh 2. 7 Permasalahan Program Linear Memaksimumkan : K = 3a + 2b Terhadap batasan : 2a + b 2 3a + 4b 12 a, b 0 Bentuk Kanonik Memaksimumkan : Terhadap batasan : (1) (2) K – 3a – 2b + M(12 – 3a – 4b + S2)= 0 2a + b + S1 = 2 (1) 3a + 4b – S2+ R = 12 (2) a, b, S1, S2, R 0 Berikut adalah tablo simpleks dari permasalahan di atas : Keterangan Variabel Basis K a b S1 S2 R Nilai Kanan Rasio Iterasi Awal (0) K 1 –3 – 3M –2 – 4M 0 M 0 0 - ev = b S1 0 2 1 1 0 0 2 2 lv = S1 R 0 3 4 0 -1 1 12 3 Iterasi (1) T 1 1 + 3M 0 2 + 4M M 0 4 – 4M Optimum b 0 2 1 1 0 0 2 R 0 -5 0 -4 -1 1 4 Pada tabel tersebut terlihat bahwa pada iterasi (1) telah tercapai penyelesaian optimum. Untuk penyelesaian optimum tersebut diperoleh nilai variabel semu R = 4. Hal ini menunjukkan bahwa penyelesaian permasalahan tersebut merupakan penyelesaian yang tidak feasible. Latihan 2.5 Tentukan penyelesaian dari permasalahan berikut dengan metode simpleks : 1. Memaksimumkan Terhadap batasan : : Z = 400s + 200t s + t = 30 2s + 8t 80 s 20 s, t 0 2. Memaksimumkan Terhadap batasan : : P = 100a + 200b 2a + 4b 16 4a + 3b 24 a, b 0 3. Memaksimumkan Terhadap batasan : : W = 5x + 6y x – 2y 2 2x + 3y 2 x, y tidak dibatasi 23