METODE SIMPLEKS YANG DIREVISI

METODE SIMPLEKS YANG DIREVISI

  Maksimumkan atau minimumkan: Z = CX Batasan: (A,I)X = b Contoh: Maksimumkan: Z = 3X

  1. Bentuk Standar Dalam Matriks

  • 2X
    • X

  • X
  • 2X
  • 0X
    • – 0X

  • 0X
  • 0X
    • X

  • X

  1

  1

  X Z

  Batasan: ⎥ ⎥ ⎥ ⎥ ⎦ ⎤

  ⎢ ⎢ ⎢ ⎢ ⎣ ⎡

  = ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤

  ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡

  ⎥ ⎥ ⎥ ⎥ ⎦ ⎤

  ⎢ ⎢ ⎢ ⎢ ⎣ ⎡

  2

  1

  8

  6

  1

  1

  1

  X X

  1

  1

  1

  2

  1

  2

  1

  6 5 4 3 2 1 X

  X X

  X X

  X

  2. Pemecahan Dasar dan Basis

  (A,I)X = b memiliki m persamaan dan n variable yang tidak diketahui. Sebuah pemecahan dasar diperoleh dengan menetapkan nm variable sama dengan nol dan

  X X

  3 X

  2 Batasan: X 1 + 2X

  2

  2

  ≤ 6

  2X

  1 + X

  2

  ≤ 8

  1

  2

  ≤ 1

  X

  2

  ≤ 2 Bentuk standar simpleks: Maksimumkan: Z = 3X

  1

  3

  2

  4

  5

  6 Batasan: X 1 + 2X 2 + X 3 = 6

  2X

  1 + X 2 + X 4 = 8

  1 + X 2 + X 5 = 1

  X

  2

  6 lalu memecahkan m persamaan dengan m variable yang tidak diketahui. Secara matematis anggaplah: n

  = 2

  Bentuk standar matriks :

  Maksimumkan: ( ) ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤

  ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡

  

JHON HENDRI – RISET OPERASIONAL – UNIVERSITAS GUNADARMA ‐ 2009  Page 1 

  = 6 5 4 3 2 1

  ( ) A ,

  I X = P j J

  Xj

  Dimana P j adalah vector kolom ke – j dari (A,I). Dari contoh diatas, dimana kita memiliki m = 4 dan n = 6. Ini berarti basis terdiri dari m = 4 vektor dan n – m = (6 – 4 = 2) variable yang berkaitan, dengan vector sisanya ditetapkan sama dengan nol. Dengan menganggap X

  3 = X 4 = X 5 = X 6 = 0, kita menemukan bahwa vector:

  1 ⎡ ⎤ ⎡ ⎤ ⎡ ⎤ ⎡ ⎤ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥

  1 ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥

  P = P = P = P = 3 4 5 6

  ⎢ ⎥ ⎢ ⎥ ⎢ 1 ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥

  1 ⎣ ⎦ ⎣ ⎦ ⎣ ⎦ ⎣ ⎦

  1 ⎡ ⎤ ⎢ ⎥

  1 ⎢ ⎥

  B = ( P , P , P , P ) = 3 4 5 6

  ⎢ 1 ⎥ ⎢ ⎥

  1 ⎣ ⎦

  3. Table Simpleks Dalam Bentuk Matriks

  Maksimumkan atau minimumkan: Z = CX Batasan: (A,I)X = b Bagi vector X kedalam X

  I dan X

  II , dimana X

  II bersesuaian dengan elemen-elemen dari

  X yang berkaitan dengan basis awal B = I. Bagi C kedalam C dan C untuk

  I II

  bersesuaianan dengan X

  I dan X

  II . Jadi bentuk standar dapat ditulis sebagai:

  Maksimumkan : Z = CX; menjadi: Z – C

  II = 0

  I X I – C

  II X

  Batasan: (A,I)X = b; Karena X bersesuaian dengan elemen-elemen dari X yang berkaitan dengan basis awal

  II B = I, sehingga: AX I + IX

  II = b Z

  ⎡ ⎤ 1 − CCI II ⎤ ⎡ ⎤

  ⎢ ⎥

  

X =

I

  ⎢ ⎥ ⎢ ⎥ ⎢ ⎥

  A I b

  ⎣ ⎦ ⎣ ⎦ ⎢ ⎥

  X II

  ⎣ ⎦ Disetiap iterasi, anggaplah X B mewakili variable dasar saat ini dengan B basis yang berkaitan dengannya. Berarti X mewakili m elemen dari X dengan B mewakili vector

  B

JHON HENDRI – RISET OPERASIONAL – UNIVERSITAS GUNADARMA ‐ 2009  Page 2 

  (A,I) yang berkaitan dengan X B . Anggaplah C B adalah elemen C yang berkaitan dengan X , sehingga:

  B

  Z = C B

  X B ; sama dengan Z - C B

  X B = 0, dan BX B = b

  1 − C ZB ⎤ ⎡ ⎤ ⎡ ⎤ sama dengan:

  = ⎢ ⎥ ⎢ ⎥ ⎢ ⎥

  B X b B

  ⎣ ⎦ ⎣ ⎦ ⎣ ⎦

  − 1 − 1

  ⎡ 1 ⎤ ⎡ ⎤

  Z C B C B b

  ⎡ ⎤ B ⎡ ⎤ B = =

  ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ 1 ⎢ ⎥ 1

  − − X b B B B b

  ⎢ ⎥ ⎢ ⎥ ⎣ ⎦ ⎣ ⎦

  ⎣ ⎦ ⎣ ⎦ Table simpleks yang bersesuaian dengan X diperoleh dengan mempertimbangkan:

  

B

Z 1 ⎡ ⎤ 1

− −

  ⎡ ⎤ ⎡ ⎤

  1 C B B 1 − CC I IIB ⎡ ⎤

  1 C B ⎢ ⎥

  X = I

  ⎢ ⎥ ⎢ ⎥ ⎢ ⎥

  −

1 −

1 ⎢ ⎥

  ⎢ ⎥

  A I b B B

  ⎢ ⎥ ⎣ ⎦ ⎢ ⎥ ⎣ ⎦ ⎣ ⎦ ⎣ ⎦

  ⎢ ⎥

  X II

  ⎣ ⎦

  Z 1 1 ⎡ ⎤ 1 − − −

  ⎡ ⎤ ⎡ ⎤

  I C B b

  ⎢ ⎥

  1 C C B AC C B − + + i B II B B

  X = I

  ⎢ ⎥ ⎢ ⎥

  − 1 − 1 − 1

  ⎢ ⎥

  B A B

  I B b

  ⎢ ⎥ ⎢ ⎥ ⎣ ⎦ ⎣ ⎦

  ⎢ ⎥

  X II

  ⎣ ⎦ Ingat: X

  II bersesuaian dengan elemen-elemen dari X yang berkaitan dengan basis awal

  B = I, sehingga iterasi simpleks umum dalam bentuk matriks: Dasar

  X X Pemecahan

  I II

  • 1 -1 -1

  Z C B A - C C B – C C B b

  B

  I B

  II B

  • -1 -1 -1

  X B B A B B b 4. Langkah-Langkah Metode Simpleks Primal Yang Direvisi.

  Langkah 1 : Penentuan variable masuk P . j

  • 1

  Hitung Y = C B B untuk setiap vector non dasar P j , hitung Z j – C j = YP j - C j

  Untuk program maksimalisasi (minimalisasi), vector P dipilih yang memiliki Z – C

  j j j paling negative (positif) (tentukan sembarang jika terdapat lebih dari satu yang sama).

  Jika semua Z j – C j ≥ 0 (≤ = 0), pemecahan optimal telah dicapai dan diketahui dengan

  • 1

  X = B b dan Z = C

  X B B B

  

JHON HENDRI – RISET OPERASIONAL – UNIVERSITAS GUNADARMA ‐ 2009  Page 3 

  • 1
  • 1
    • − −

  X B = (X

  6 Batasan: X

  1

  2

  3

  = 6

  2X

  1 + X 2 + X 4 = 8

  1 + X 2 + X 5 = 1

  X

  2

  6

  = 2 Pemecahan Awal:

  3 ,X 4 ,X 5 ,X 6 )

  Dari contoh berikut, maka langkah-langkah perhitungan metode simpleks primal yang direvisi adalah sebagai berikut: Maksimumkan: Z = 3X

  C

  B

  = (0,0,0,0)

  ( )

  I P P P P B =

  ⎥ ⎥ ⎥ ⎥ ⎦ ⎤

  ⎢ ⎢ ⎢ ⎢ ⎣ ⎡

  = =

  1

  1

  1

  1 , , , 6 5 4 3 B

  1 + 2X 2 + 0X 3 – 0X 4 + 0X 5 + 0X

  1 / / 2 1 M M

  = I

  ⎥ ⎦ ⎤

  

JHON HENDRI – RISET OPERASIONAL – UNIVERSITAS GUNADARMA ‐ 2009  Page 4 

Langkah 2 . Penentuan variable keluar P r .

  a.

  Nilai variable dasar saat ini yaitu:

  X B = B

  b b. Koefisien batasan dari variable masuk yaitu:

  α

  j

  = B

  P j variable keluar P

  r

  (baik maksimalisasi maupun minimalisasi) harus berkaitan dengan:

  ( )

  ⎢ ⎣ ⎡

  /

  ≥ =

  −

  , min j k j k k

  B b

  α α

  θ Langkah 3 . Penentuan basis berikutnya. dimana:

  ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤

  ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡

  −

  = j r j m j r j r j j r j α α

  α α α α α

  ξ /

  • 2X
  • X
    • X

  • X
    • 1

  • – C

  2

  X B

  IP P B Ib b b B

  1 1 1 1 1 1 P

  1

  1

  1

  1

  6

  8

  1

  6

  Dasar

  8

  1

  2

  1

  1

  1

  1

  1

  2

  1

  α Perhitungan untuk langkah 1 dan 2 dapat diringkaskan sebagai berikut:

  X

  2

  2

  2 1 2 = α

  adalah vector keluar dengan nilai

  4

  demikian P

  4 , dengan

  2 Jadi: θ = min (6/1, 8/2, --, --) = (6, 4, --, --) = 4, yang bersesuaian dengan X

  6

  1 X

  5 -1

  8 X

  4

  1 X

  6 X

  1

  3

  X

  Z -3 -2 0 0 0 0

  6 Pemecahan

  5 X

  4 X

  3 X

  2 X

  1

  1

  

JHON HENDRI – RISET OPERASIONAL – UNIVERSITAS GUNADARMA ‐ 2009  Page 5 

Iterasi Pertama: Langkah 1.

  1

  1

  1 1 -

  1

  3

  2 ,

  [ ] [ ]

  =

  ⎢ ⎢ ⎢ ⎢ ⎣ ⎡

  ⎥ ⎥ ⎥ ⎥ ⎦ ⎤

  1 , , , B C = Y 1 - B =

  1

  2

  1

  , , ,

  [ ]

  2 ( )

  dan P

  1

  untuk non dasar P

  j

  j

  Perhitungan Z

  2

  1 0,0,0,0 C - Z , C - Z 2 2 1 1

  − −

  ⎥ ⎥ ⎥ ⎥ ⎦ ⎤

  = = = =

  ⎢ ⎢ ⎢ ⎢ ⎣ ⎡

  ⎥ ⎥ ⎥ ⎥ ⎦ ⎤

  ⎢ ⎢ ⎢ ⎢ ⎣ ⎡

  = ⎥ ⎥ ⎥ ⎥ ⎦ ⎤

  ⎢ ⎢ ⎢ ⎢ ⎣ ⎡

  = = = = ⎥ ⎥ ⎥ ⎥ ⎦ ⎤

  ⎢ ⎢ ⎢ ⎢ ⎣ ⎡

  − ⎥ ⎥ ⎥ ⎥ ⎦ ⎤

  ⎢ ⎢ ⎢ ⎢ ⎣ ⎡

  − =

  ⎥ ⎥ ⎥ ⎥ ⎦ ⎤

  ⎢ ⎢ ⎢ ⎢ ⎣ ⎡

  ⎥ ⎥ ⎥ ⎥ ⎦ ⎤

  Langkah 2 . Penentuan vector keluar dengan diketahui bahwa P 1 memasuki basis.

  1 ditetapkan sebagai vector masuk.

  memiliki nilai paling negative, maka P

  1

  Karena P

  1 – C 1 , Z 2 – C 2 = (-3,-2)

  = Z

  ⎢ ⎢ ⎢ ⎢ ⎣ ⎡

  , sehingga:

  Langkah 3 . Penentuan inverse basis berikutnya.

  − 1 /

  2 1 /

  2 ⎡ ⎤ ⎡− ⎤ ⎢ ⎥ ⎢ ⎥

  • 1 /

  2 1 /

  2 ⎢ ⎥ ⎢ ⎥

  ξ = = ⎢ ⎥ ⎢ ⎥

  − ( − 1 / 2 ) 1 /

  2 ⎢ ⎥ ⎢ ⎥

  − /

  2 ⎣ ⎦ ⎣ ⎦

  Maka basis berikutnya:

  1 1 − 1 /

  2 1 − 1 /

  2 ⎡ ⎤ ⎡ ⎤ ⎡ ⎤ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ 1 1

  1 1 /

  2 1 /

  2

  − −

  ⎢ ⎥ ⎢ ⎥ ⎢ ⎥

  B = EB = EI = E = = next

  ⎢ 1 ⎥ ⎢ 1 /

  2 1 ⎥ ⎢ 1 /

  2 1 ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥

  1

  1

  1 ⎣ ⎦ ⎣ ⎦ ⎣ ⎦

  Basis baru ini berkaitan dengan vector dasar:

  X B = (X

  3 ,X 1 ,X 5 ,X 6 )

  C = (0,3,0,0)

  B

  1 − 1 /

  2 ⎡ ⎤ ⎢ ⎥ 1 /

  2 1

  −

  ⎢ ⎥

  

B = ( P , P , P , P ) = = B

3 1 5 6 next

  ⎢ 1 /

  2 1 ⎥ ⎢ ⎥

  1 ⎣ ⎦

  Iterasi Kedua: Langkah 1. Perhitungan Z j – C j untuk non dasar P 2 dan P

  4

  1 1 /

  2 −

  ⎡ ⎤ ⎢ ⎥ 1 1 /

  2 - ⎢ ⎥

  Y = C B = , 3 , , B ( ) ⎢ 1 /

  2 1 ⎥ ⎢ ⎥

  ⎣ ⎦ 1 -1 Y = C B = {(0*1 + 3*0 + 0*0 + 0*0), (3*-1/2 + 3*1/2 + 3*1/2 + 3*0), B -1 (0*0 + 0*0 + 0*1 + 0*0), (0*0 + 0*0 + 0*0 + 0*1)} Y = C B = (0, 3/2, 0, 0) B

  Z

  2 – C 2 , Z 4 – C 4 = Y(P 2 ,P 4 ) – (C 2 ,C

4 )

  2 ⎡ ⎤ ⎢ ⎥

  1

  1 ⎢ ⎥

  Z C , Z C 0, 3/2, 0, - - 2 , 2 2 4 4 = [ ] − [ ] ⎢ ⎥

  1 ⎢ ⎥

  1 ⎣ ⎦

  Z – C , Z – C = {(0*2 + 3/2*1 + 0*1 + 0*1), (0*0 + 3/2*1 + 0*0 + 0*0)} – (2, 0)

  2

  2

  4

  4 Z 2 – C 2 , Z 4 – C 4 = (3/2, 3/2) – (2, 0) = (-1/2, 3/2)

JHON HENDRI – RISET OPERASIONAL – UNIVERSITAS GUNADARMA ‐ 2009  Page 6 

  B

  X

  ( )

  4 2 1 = α , sehingga: Langkah 3 . Penentuan inverse basis berikutnya.

  3 /

  3 , dengan demikian P 3 adalah vector keluar dengan nilai

  2 Jadi: θ = min (2/(3/2), 4/(1/2), 5/(3/2), 2/1) = (4/3, 8, 10/3, 2) = 4/3, yang bersesuaian dengan X

  1

  6

  5 X

  5 3/2

  4 X

  1 1/2

  2 X

  3 3/2

  Z 0 -1/2 0 3/2 0 0

  ⎢ ⎢ ⎢ ⎢ ⎣ ⎡

  6 Pemecahan

  5 X

  4 X

  3 X

  2 X

  1 X

  X

  Dasar

  α Perhitungan untuk langkah 1 dan 2 dapat diringkaskan sebagai berikut:

  X B

  2 1 2 1 P B B b

  1

  1

  1 2 / 1 2 / 1 2 /

  ⎥ ⎥ ⎥ ⎥ ⎦ ⎤

  − − −

  6

  ⎢ ⎢ ⎢ ⎢ ⎣ ⎡

  2 1 next

  1 3 / 1 3 /

  1

  1

  2

  1 3 /

  1

  1

  1 2 / 1 2 / 1 2 /

  1

  −

  =

  − − −

  − ⎥ ⎥ ⎥ ⎥ ⎦ ⎤

  = ⎥ ⎥ ⎥ ⎥ ⎦ ⎤

  ⎢ ⎢ ⎢ ⎢ ⎣ ⎡

  Maka basis berikutnya: ⎥ ⎥ ⎥ ⎥ ⎦ ⎤

  1 ξ

  3 /(

  1 ) 2 /

  3 /( 2 /

  3 ) 2 /

  1 2 / 3 / 2 /

  3 /(

  2 ) 2 /

  1 3 / 1 3 /

  2

  − − −

  ⎢ ⎢ ⎢ ⎢ ⎣ ⎡

  1

  8

  • − + =

  • − + =

  = = ⎥ ⎥ ⎥ ⎥ ⎦ ⎤

  ) 1 ( ( 1 * )

  3 ) 1 *

  1 2 /

  1 2 / 3 2 /

  − −

  = =

  ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ −

  ⎥ ⎥ ⎥ ⎥ ⎦ ⎤

  ⎢ ⎢ ⎢ ⎢ ⎣ ⎡

  ⎥ ⎥ ⎥ ⎥ ⎦ ⎤

  ⎢ ⎢ ⎢ ⎢ ⎣ ⎡

  = ⎥ ⎥ ⎥ ⎥ ⎦ ⎤

  ⎢ ⎢ ⎢ ⎢ ⎣ ⎡

  ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ −

  ) ( 1 * ) 1 *

  ⎥ ⎥ ⎥ ⎥ ⎦ ⎤

  ⎢ ⎢ ⎢ ⎢ ⎣ ⎡

  ⎥ ⎥ ⎥ ⎥ ⎦ ⎤

  ⎢ ⎢ ⎢ ⎢ ⎣ ⎡

  = ⎥ ⎥ ⎥ ⎥ ⎦ ⎤

  ⎢ ⎢ ⎢ ⎢ ⎣ ⎡

  ⎥ ⎥ ⎥ ⎥ ⎦ ⎤

  2 memasuki basis.

  . Penentuan vector keluar dengan diketahui bahwa P

  Langkah 2

  2 memiliki nilai paling negative, maka P 2 merupakan vector masuk.

  Karena P

  

JHON HENDRI – RISET OPERASIONAL – UNIVERSITAS GUNADARMA ‐ 2009  Page 7 

  ( 1 * ) ( 2 *

  ) 1 ( 1 * 2 /

  1

  5

  2

  ) 1 ( 6 * 1 (

  ( 1 * ) 8 * 2 /

  ) ( 2 * )

  ) 1 ( ( 6 *

  ( 1 * ) 8 * 2 /

  ) ( 2 * )

  ) 1 ( ( 6 *

  ) 1 ( 8 * 2 /

  ) ( 2 * ) 1 *

  ( 8 * ) ( 6 *

  ) 1 ( ( 1 * )

  2 ) 2 *

  4

  2

  ) 1 ( ( 2 *

  1

  1

  1 2 / 1 2 / 1 2 /

  1

  2

  1

  1

  1

  ) 1 ( 2 * 1 (

  ( 1 * ) 1 * 2 /

  ) ( 1 * )

  ) 1 ( ( 2 *

  ( 1 * ) 1 * 2 /

  ) ( 1 * )

  • = 3 /

  = (2/3*1+0+0+0), (2/3*-1/2+0+0+0), (0), (0) = (-1/3*1+0+0+0), (-1/3*-1/2+1*1/2+0+0), (0), (0) = (-1*1+0+0+0), (-1*-1/2+0+1*1/2+0), (0+0+1+0), (0) = (-2/3*1+0+0+0), (-2/3*-1/2+0+0+0), (0), (1)

  − 1 Sehingga: 2/3 -1/3 0 0 B  =   next

  • 1/3 2/3
  • 1

  1

  1

  • 2/3 1/3 1    

  Basis baru ini berkaitan dengan vector dasar: X = X , X , X , X

  B

  2

  1

  5

6 C B = (2, 3, 0, 0)

  Iterasi Ketiga: Langkah 1. Perhitungan Z – C untuk non dasar P dan P j j

  3

  4

  2 / 3 − 1 /

  3 ⎡ ⎤ ⎢ ⎥ 1 − 1 /

  3 2 /

  3 - ⎢ ⎥ Y = C B = ( B 2 , 3 , , )

  ⎢ −

  1

  1 1 ⎥ ⎢ ⎥

  − 2 /

  3 1 /

  3

  1 -1 ⎣ ⎦ Y = C B = {(2*2/3 + 3*-1/3 + 0 + 0), (2*-1/3 + 3*2/3 + 0 + 0), (0), (0)} B -1 Y = C B = (1/3, 4/3, 0, 0) B

  Z

  3 – C 3 , Z 4 – C 4 = Y(P 3 ,P 4 ) – (C 3 ,C

4 )

  1 ⎡ ⎤ ⎢ ⎥

  1 ⎢ ⎥

  Z C , Z C 1/3, - - 4 / 3 , 0, , 3 3 4 4 = [ ] − [ ] ⎢ ⎥ ⎢ ⎥ ⎣ ⎦

  Z – C , Z – C = {(1/3*1 + 0 + 0 + 0), (0 + 4/3*1 + 0 + 0)} – (0, 0)

  3

  3

  4

  4 Z 3 – C 3 , Z 4 – C 4 = (1/3, 4/3) – (0, 0) = (1/3, 4/3)

  Karena semua Z j – C j ≥ 0, basis terakhir ini optimal.

  

JHON HENDRI – RISET OPERASIONAL – UNIVERSITAS GUNADARMA ‐ 2009  Page 8 

  Pemecahan Optimal:

  X

  ⎡ ⎤ 2 ⎡ ⎤ ⎡ ⎤ ⎡ ⎤ ⎡ ⎤ 2 / 3 − 1 /

  3 6 ( 2 /

  3 6 − 1 /

  3 ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥

  3 * * 8 ) + + + 4 /

  X 1 1 1 /

  3 2 /

  3 8 ( − 1 /

  3

  3

  −

  6 + − 2 /

  8 + + ) 10 * / 3 *

  ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥

  = B b = = = ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥

  X5 1 * * *

  1

  1 1 ( −

  1

  1

  8

  1 1 )

  3 ⎢ ⎥

  6 + + +

  ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥

  X6 2 /

  3 1 /

  3

  1 2 ( − 2 /

  3

  6 1 /

  3

  1 2 ) 2 /

  3 ⎣ ⎦ ⎣ ⎦ ⎣ ⎦ ⎣ ⎦ ⎣ ⎦

  8 + + + * * *

  4 /

  3 ⎡ ⎤ ⎢ ⎥

  2 ⎢ ⎥

  X

  2 , ( 3 , * , )

  2 * Z C 4 /

  3

  3 10 /

  3 38 /

  3

  12 = = = [ ] = = B B + + +

  ⎢ 3 ⎥

  3 ⎢ ⎥ 2 /

  3 ⎣ ⎦

  Kesimpulan:

  X

  1 = 10/3

  X

  2 = 4/3

  Z = 38/3 REFERENSI

  1. Taha, Hamdy A., Riset Operasi – Jilid 1, Jakarta: Binarupa Aksara, 1996

  

JHON HENDRI – RISET OPERASIONAL – UNIVERSITAS GUNADARMA ‐ 2009  Page 9