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 n – m 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
X ∑ j
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 − C − C ⎡ I 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 Z ⎡ B ⎤ ⎡ ⎤ ⎡ ⎤ 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 − C − C I II ⎤ B ⎡ ⎤
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 A − C 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 = = = ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
X − 5 1 * * *
1
1 1 ( −
1
1
8
1 1 )
3 ⎢ ⎥
6 + + +
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
X − 6 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