(5) basic simplex
DESCRIPTION
matero penelitian operasionalTRANSCRIPT
LOGO
Dasar-dasarMetode Simplex
Amelia Kurniawati. ST., MT.Your Site Here
YOUR SITE HERE
Contents
1. Pendahuluan
2. Langkah Umum
3. Metode Simpleks dalam Bentuk Tabular
4. Pemecahan untuk masalah minimisasi
6. Solusi-solusi Alternatif
5. Masalah-masalah komputasi
YOUR SITE HERE
Memahami konsep pemecahan linear programming dengan metode simplex
Memahami solusi-solusi unik dan solusi alternatif
Goals
PENDAHULUAN
Metode Simplex
Dikembangkan oleh G.B. Dantzig
Merupakan prosedur iteratif untuk
memecahkan masalah LP dengan
mengekspresikannya dalam bentuk
standar
YOUR SITE HERE
PENDAHULUAN
Metode Simplex
Memerlukan kondisi dengan semua
pembatas dinyatakan dalam bentuk
sistem kanonik dimana suatu solusi
basis layak dapat langsung diperoleh.
YOUR SITE HERE
PENDAHULUAN
Ciri-ciri dari bentuk baku model LP adalah :
1. Semua kendala berupa persamaan dengan sisi kanan non negatif
2. Semua variabel non negatif 3. Fungsi tujuan dari maksimum
maupun minimum
YOUR SITE HERE
lihat kembali materi basic feasible solution
LANGKAH UMUM
YOUR SITE HERE
Berhenti jika suatu solusi layak basis tidak dapat diperbaiki lagi
maka solusi layak basis tersebut menjadi solusi optimal
Cari solusi-solusi layak basis yang dapat memperbaiki nilai fungsi tujuan
Perbaiki solusi awal jika mungkin
Cari solusi layak basis yang mempunyai nilai fungsi tujuan lebih baik
Mulai dengan suatu solusi layak basis
LANGKAH UMUM (CONTOH)
Kasus:Memaksimumkan Z = 3x1 + 2x2
dengan pembatas-pembatas: x1 + 2x2 6
2x1 + x2 8
– x1 + x2 1
x2 2
x1 ≥ 0, x2 ≥ 0
YOUR SITE HERE
LANGKAH UMUM (CONTOH)
Bentuk Standard:Memaksimumkan Z = 3x1+2x2 +0x3+0x4+0x5+0x6
dengan pembatas-pembatas: x1 + 2x2 + x3 = 6
2x1 + x2 + x4 = 8
– x1 + x2 + x5 = 1
x2 + x6 = 2
x1 ≥ 0, x2 ≥ 0, x3 ≥ 0, x4 ≥ 0, x5 ≥ 0, x6 ≥ 0
YOUR SITE HERE
LANGKAH UMUM (CONTOH)
Penetapan Solusi Layak Basis Awal:
Variabel basis : x3, x4, x5, x6
Dengan menetapkan x1 = x2 = 0, maka
diperoleh solusi basis : x3 = 6, x4 = 8, x5 = 1, x6 = 2
Nilai fungsi tujuan Z = 3(0)+2(0)+0(6)+0(8)+0(1)+0(2)= 0
YOUR SITE HERE
LANGKAH UMUMMemperbaiki Solusi Layak Awal:
Dengan diberikan solusi basis layak, yaitu x1 = x2 = 0, x3 = 6, x4 = 8, x5 = 1, x6 = 2 dengan Z= 0, metode simpleks memeriksa apakah mungkin untuk mendapatkan solusi basis layak yang lebih baik dengan nilai Z yang lebih besar
Pemeriksaan dilakukan dengan pertama-tama memeriksa apakah solusi saat ini adalah optimal
YOUR SITE HERE
LANGKAH UMUM
Memperbaiki Solusi Layak Awal:
Jika solusi solusi belum optimal, metode simpleks mencari suatu solusi basis layak tetangga (adjacent basic feasible solution) dengan nilai Z yang lebih besar
Suatu solusi basis layak tetangga (adjacent basic feasible solution) berbeda dengan solusi basis layak (basic feasible solution) saat ini hanya tepat satu variabel basis
YOUR SITE HERE
LANGKAH UMUM (CONTOH)
Memperbaiki Solusi Layak Awal:
Untuk mendapatkan solusi basis layak tetangga, metoda simpleks Membuat salah satu variabel basis menjadi
variabel non basis Menjadikan salah satu variabel non basis
menjadi variabel basis
Permasalahannya adalah memilih solusi basis dan solusi non basis yang pertukarannya memberikan perbaikan maksimum pada nilai fungsi tujuan.
YOUR SITE HERE
LANGKAH UMUM (CONTOH)
Memperbaiki Solusi Layak Awal:
Dalam solusi basis layak Variabel basis dapat mempunyai nilai yang
positif Varibel non basis selalu mempunyai nilai nol
Membuat variabel non basis menjadi variabel basis adalah ekivalen dengan menaikkan nilainya dari nol ke positif.
YOUR SITE HERE
LANGKAH UMUM (CONTOH)
Memperbaiki Solusi Layak Awal:
Tentu saja, pilihan yang harus dibuat adalah menentukan variabel non basis mana yang dapat memberikan perbaikan pada nilai Z
Ini dilakukan dengan menaikkan nilai variabel non basis menjadi satu unit dan memeriksa perubahannya pada nilai fungsi tujuan Z.
YOUR SITE HERE
LANGKAH UMUM (CONTOH)
Memperbaiki Solusi Layak Awal:
YOUR SITE HERE
Misalkan variabel non basis x1 dinaikkan 1 unit
1x1 +x3 = 6 2x1 + x4 = 8–x1
+ x5 = 10x1 + x6 = 2 x1 = 1, x2 = 0, x3 = 5, x4 = 6, x5 = 2, x6 = 2
Nilai fungsi tujuan Z = 3(1)+2(0)+0(5)+0(6)+0(2)+0(2)= 3
Perubahan nilai Z per peningkatan satu unit x1
Z = 3 – 0 = 3
LANGKAH UMUM (CONTOH)
Memperbaiki Solusi Layak Awal:
YOUR SITE HERE
Misalkan variabel non basis x2 dinaikkan 1 unit
2x2 + x3 = 6 1x2 + x4 = 81x2 + x5 = 11x2 + x6 = 2 x1 = 0, x2 = 1, x3 = 4, x4 = 7, x5 = 0, x6 = 1
Nilai fungsi tujuan Z = 3(0)+2(1)+0(4)+0(7)+0(0)+0(1)= 2
Perubahan nilai Z per peningkatan satu unit x2
Z = 2 – 0 = 2
LANGKAH UMUM (CONTOH)
Memperbaiki Solusi Layak Awal:
YOUR SITE HERE
Karena Z positif untuk x1 dan x2 nilai fungsi tujuan dapat dinaikkan.
Karena Z untuk x1 > Z untuk x2 maka menaikkan x1 lebih baik.
Sampai seberapa jauh x1 dapat dinaikkan?
Jika x1 dinaikkan maka nilai variabel basis : x3, x4, x5, x6 akan turun dan nilainya harus tak negatif agar tetap layak.
LANGKAH UMUM (CONTOH)
Memperbaiki Solusi Layak Awal:
YOUR SITE HERE
Batas peningkatan x1:
x1 + x3 = 6 x1 = 6 2x1 + x4 = 8 x1 = 4– x1
+ x5 = 1 x1 = 0x1 + x6 = 2 x1 =
Maksimum peningkatan x1 = minimum (6, 4, , ) = 4
LANGKAH UMUM (CONTOH)
Memperbaiki Solusi Layak Awal:
YOUR SITE HERE
x1 dinaikkan 4 unit, maka x4 menjadi variabel non basis
x1 = 4, x2 = 0, x3 = 2, x4 = 0, x5 = 5, x6 = 2 dan Z = 12
variabel masuk basis x1 dinaikkan 4 unit
1x1 +x3 = 6 2x1 + x4 = 8–x1
+ x5 = 10x1 + x6 = 2
LANGKAH UMUM (CONTOH)
Memperbaiki Solusi Layak Awal:
YOUR SITE HERE
x1 + 2x2 + x3 = 6 2 x1 + x2 + x4 = 8– x1 + x2
+ x5 = 1 x2 + x6 = 2
3/2 x2 + x3 –1/2 x4 = 2 x1 + 1/2x2 + 1/2 x4 = 4 3/2 x2
+ 1/2 x4 + x5 = 5 x2 + x6 = 2
Variabel basis : x1, x3, x5, x6; Variabel non basis: x2, x4
Sistem Kanonik
LANGKAH UMUM (CONTOH)
VISUALISASI LANGKAH I
YOUR SITE HERE
(5)
(6)
(2)
(4)
(3) (1)
x1
x2
AB
CDE
F
LANGKAH UMUM (CONTOH)
Memperbaiki Solusi Layak 2:
YOUR SITE HERE
3/2 x2 + x3 = 2 x1 + 1/2 x2 = 4 3/2 x2 + x5 = 5 x2 + x6 = 2
Misalkan variabel non basis x2 dinaikkan 1 unit
x1= 7/2, x2 = 1, x3 = 1/2, x4 = 0, x5 = 7/2, x6 = 1
Nilai fungsi tujuan Z = 3(7/2)+2(1)+0(1/2)+0(0)+0(7/2)+0(1) = 121/2
Perubahan nilai Z per peningkatan satu unit x2
Z = 121/2 – 12 = 1/2
YOUR SITE HERE
LANGKAH UMUM (CONTOH)
Memperbaiki Solusi Layak 2:
x3 – 1/2 x4 = 2 x1 + 1/2 x4 = 4
+ 1/2 x4 + x5 = 5 0 x4 + x6 = 2
Misalkan variabel non basis x4 dinaikkan 1 unit
x1= 7/2, x2 = 0, x3 = 5/2, x4 = 1, x5 = 9/2, x6 = 2
Nilai fungsi tujuan Z = 3(7/2)+2(0)+0(5/2)+0(1)+0(9/2)+0(2) = 101/2
Perubahan nilai Z per peningkatan satu unit x4
Z = 101/2 – 12 = – 3/2
YOUR SITE HERE
LANGKAH UMUM (CONTOH)
Memperbaiki Solusi Layak 2:
Karena Z positif untuk x2 nilai fungsi tujuan dapat dinaikkan
Karena Z negatif untuk x4 nilai fungsi tujuan tidak dapat dinaikkan
Sampai seberapa jauh x2 dapat dinaikkan?
Jika x2 dinaikkan maka nilai variabel basis : x1, x3, x5, x6 akan turun dan nilainya harus tak negatif agar tetap layak.
YOUR SITE HERE
LANGKAH UMUM (CONTOH)
Memperbaiki Solusi Layak 2:
Batas peningkatan x2:
Maksimum peningkatan x2 = minimum (4/3, 8, 10/3, 2) = 4/3
3/2 x2 + x3 = 2 x2 = 4/3 x1 + 1/2 x2 = 4 x2 = 8 3/2 x2 + x5 = 5 x2 = 10/3 x2 + x6 = 2 x2 = 2
YOUR SITE HERE
LANGKAH UMUM (CONTOH)
Memperbaiki Solusi Layak 2:
x2 dinaikkan ke 4/3
maka x3 menjadi variabel non basis
x1 = 10/3, x2 = 4/3, x3 = 0, x4 = 0, x5 = 3, x6 = 2/3
dan Z = 122/3
YOUR SITE HERE
LANGKAH UMUM (CONTOH)Memperbaiki Solusi Layak 2:
3/2 x2 + x3 – 1/2 x4 = 2 x1 + 1/2 x2 + 1/2 x4 = 4 3/2 x2
+ 1/2 x4 + x5 = 5 x2 + x6 = 2
x2 + 2/3 x3 – 1/3 x4 = 4/3 x1 – 1/3 x3 + 2/3 x4 = 10/3
– x3 + x4 + x5 = 3
– 2/3 x3 + 1/3 x4 + x6 = 2/3
Variabel basis : x1, x2, x5, x6; Variabel non basis: x3, x4
Sistem Kanonik
YOUR SITE HERE
LANGKAH UMUM (CONTOH)
VISUALISASI LANGKAH II
29
(5)
(6)
(2)
(4)
(3) (1)
x1
x2
AB
CDE
F
YOUR SITE HERE
LANGKAH UMUM (CONTOH)Memperbaiki Solusi Layak 3:
x2 + 2/3 x3 = 4/3 x1 – 1/3 x3 = 10/3
– x3 + x5 = 3 – 2/3 x3 + x6 = 2/3
Misalkan variabel non basis x3 dinaikkan 1 unit
x1= 11/3, x2 = 2/3, x3 = 1, x4 = 0, x5 = 4, x6 = 4/3
Nilai fungsi tujuan Z = 3(11/3)+2(2/3)+0(1)+0(0)+0(4)+0(4/3) = 121/3
Perubahan nilai Z per peningkatan satu unit x3
Z = 121/3 – 122/3 = – 1/3
YOUR SITE HERE
LANGKAH UMUM (CONTOH)Memperbaiki Solusi Layak 3:Misalkan variabel non basis x4 dinaikkan 1 unit
x1= 8/3, x2 = 5/3, x3 = 0, x4 = 1, x5 = 2, x6 = 1/3
Nilai fungsi tujuan Z = 3(8/3)+2(5/3)+0(0)+0(1)+0(2)+0(1/3) = 111/3
Perubahan nilai Z per peningkatan satu unit x4
Z = 111/3 – 122/3 = – 4/3
x2 – 1/3 x4 = 4/3 x1 + 2/3 x4 = 10/3
x4 + x5 = 3 1/3x4 + x6 = 2/3
YOUR SITE HERE
LANGKAH UMUM (CONTOH)Memperbaiki Solusi Layak 3:
Karena Z negatif untuk x3 dan x4 nilai fungsi tujuan tidak dapat dinaikkan
Karena tidak ada variabel non basis yang dapat dinaikkan yang dapat memberikan peningkatan pada nilai fungsi tujuan Z maka solusi saat ini adalah optimal.
YOUR SITE HERE
LANGKAH UMUM (CONTOH)
Untuk masalah maksimasi:– Suatu solusi basis layak adalah optimal
jika profit relatif (Z) dari variabel non basis adalah negatif atau nol.
34
Metode Simpleks dalam Bentuk Tabular
(Simplex Method in Tabular Form)
Contoh masalah LP
Memaksimumkan Z = 3x1 + 2x2
dengan pembatas-pembatas: x1 + 2x2 6 2x1 + x2 8 – x1 + x2 1 x2 2 x1 ≥ 0, x2 ≥ 0
Metode simpleks dalam bentuk tabular
Bentuk kanonik
Memaksimumkan Z = 3x1 + 2x2
dengan pembatas-pembatas: x1 + 2x2 + x3 = 6 2x1 + x2 + x4 = 8 – x1 + x2
+ x5 = 1 x2 + x6 = 2 x1 ≥ 0, x2 ≥ 0, x3 ≥ 0, x4 ≥ 0, x5 ≥ 0, x6 ≥ 0,
Metode simpleks dalam bentuk tabular
Representasi tabel untuk solusi basis layak awal
cB
3 2 0 0 0 0Konstanta
x1 x2 x3 x4 x5 x6
0 x3 1 2 1 0 0 0 6
0 x4 2 1 0 1 0 0 8
0 x5 -1 1 0 0 1 0 1
0 x6 0 1 0 0 0 1 2
Basis
cj
c Baris
Metode simpleks dalam bentuk tabular
Nilai fungsi tujuan
konstantadan vektor dariproduct inner BcZ
0
2
1
8
6
0,0,0,0
Z
Metode simpleks dalam bentuk tabular
Pemeriksaan optimalitas
kanonik sistem dalam dengan berkaitan
yang kolomdan dari
j
Bjj x
cuctinner prodcc
Nilai fungsi tujuan relatif (profit relatif /ongkos relatif )untuk variabel non basis:
Kondisi optimal terjadi apabila semua nilai koefisienfungsi tujuan relatif untuk variabel non basis adalah tak positif [untuk masalah maksimasi]
Metode simpleks dalam bentuk tabular
Nilai fungsi tujuan relatif untuk variabel non basis
3
0
1
2
1
0,0,0,031
c
2
1
1
1
2
0,0,0,022
c
Metode simpleks dalam bentuk tabular
Tabel 1 (awal)
cB
3 2 0 0 0 0Konstanta
x1 x2 x3 x4 x5 x6
0 x3 1 2 1 0 0 0 6
0 x4 2 1 0 1 0 0 8
0 x5 -1 1 0 0 1 0 1
0 x6 0 1 0 0 0 1 2
3 2 0 0 0 0 Z = 0
Basis
cj
c Baris
Metode simpleks dalam bentuk tabular
Penentuan variabel yang masuk (entering variable)
Variabel non basis yang dipilih untuk masuk ke basis (entering variable) variabel yang memberikan peningkatan per unit pada Z yang terbesar, yaitu variabel non basis yang mempunyai nilai fungsi tujuan relatif terbesar (paling positif untuk masalah maksimasi).
Metode simpleks dalam bentuk tabular
Penentuan variabel yang masuk (entering variable)
cB
3 2 0 0 0 0Konstanta
x1 x2 x3 x4 x5 x6
0 x3 1 2 1 0 0 0 6
0 x4 2 1 0 1 0 0 8
0 x5 -1 1 0 0 1 0 1
0 x6 0 1 0 0 0 1 2
3 2 0 0 0 0 Z = 0
Basis
cj
c Baris
Metode simpleks dalam bentuk tabular
Penentuan variabel yang keluar (leaving variable)
Untuk menentukan variabel basis yang akan diganti (leaving variable), aturan rasio minimum (minimum ratio rule) digunakan untuk menentukan limit bagi tiap pembatas.
Metode simpleks dalam bentuk tabular
Penentuan variabel yang keluar (leaving variable)
Nomor baris Variabel basisBatas atas bagi
x1
1 x3 6/1 = 6
2 x4 8/2 = 4 (minimum)
3 x5
4 x6
Metode simpleks dalam bentuk tabular
Penentuan variabel yang keluar (leaving variable)
cB
3 2 0 0 0 0Konstanta
x1 x2 x3 x4 x5 x6
0 x3 1 2 1 0 0 0 6
0 x4 2 1 0 1 0 0 8
0 x5 -1 1 0 0 1 0 1
0 x6 0 1 0 0 0 1 2
3 2 0 0 0 0 Z = 0
Basis
cj
c Baris
Metode simpleks dalam bentuk tabular
Tabel 2
cB
3 2 0 0 0 0Konstanta
x1 x2 x3 x4 x5 x6
0 x3 0 3/2 1 -1/2 0 0 2
3 x1 1 1/2 0 1/2 0 0 4
0 x5 0 3/2 0 1/2 1 0 5
0 x6 0 1 0 0 0 1 2
0 1/2 0 -3/2 0 0 Z = 12
Basis
cj
c Baris
Metode simpleks dalam bentuk tabular
Penentuan variabel yang masuk (entering variable)
cB
3 2 0 0 0 0Konstanta
x1 x2 x3 x4 x5 x6
0 x3 0 3/2 1 -1/2 0 0 2
3 x1 1 1/2 0 1/2 0 0 4
0 x5 0 3/2 0 1/2 1 0 5
0 x6 0 1 0 0 0 1 2
0 1/2 0 -3/2 0 0 Z = 12
Basis
cj
c Baris
Metode simpleks dalam bentuk tabular
Penentuan variabel yang keluar (leaving variable)
cB
3 2 0 0 0 0Konstanta
x1 x2 x3 x4 x5 x6
0 x3 0 3/2 1 -1/2 0 0 2
3 x1 1 1/2 0 1/2 0 0 4
0 x5 0 3/2 0 1/2 1 0 5
0 x6 0 1 0 0 0 1 2
0 1/2 0 -3/2 0 0 Z = 12
Basis
cj
c Baris
Metode simpleks dalam bentuk tabular
Tabel 3 (Optimal)
cB
3 2 0 0 0 0Konstanta
x1 x2 x3 x4 x5 x6
2 x2 0 1 2/3 -1/3 0 0 4/3
3 x1 1 0 -1/3 2/3 0 0 10/3
0 x5 0 0 -1 1 1 0 3
0 x6 0 0 -2/3 1/3 0 1 2/3
0 0 -1/3 -4/3 0 0 Z = 122/3
Basis
cj
c Baris
Metode simpleks dalam bentuk tabular
Output Tabel Simpleks dengan Software (WinQSB) (1)
Metode simpleks dalam bentuk tabular
Output Tabel Simpleks dengan Software (WinQSB) (2)
Metode simpleks dalam bentuk tabular
Pemecahan untuk masalah minimisasi
Koefisien fungsi tujuan relatif memberikan informasi perubahan dalam nilai Z per satu unit peningkatan variabel non basis.
Nilai yang negatif pada koefisien fungsi tujuan relatif untuk suatu variabel non basis mengindikasikan bahwa jika variabel non basis dinaikkan justru akan menyebabkan penurunan pada nilai Z.
Oleh karena itu, untuk masalah minimasi, hanya variabel non basis yang mempunyai koefisien fungsi tujuan relatif yang negatif saja yang memenuhi syarat sebagai calon variabel yang masuk basis (entering variable).
Variabel yang masuk basis (entering variable) adalah variabel yang mempunyai koefisien fungsi tujuan relatif paling negatif.
Sehingga kondisi optimalitas pada masalah minimasi terjadi apabila semua nilai koefisien fungsi tujuan relatif variabel non basis adalah tak negatif.
Pemecahan untuk masalah minimisasi
Alternatif lain untuk memecahkan masalah minimasi adalah dengan mengkonversikannya menjadi masalah maksimasi dengan memecahkan dengan metode simpleks untuk masalah maksimasi.Konversi dilakukan dengan mengalikan fungsi tujuan untuk masalah minimasi dengan minus satu. Pemecahan untuk masalah minimisasi
Meminimumkan Z = 4x1 + x2
dengan pembatas-pembatas: 3x1 + x2 = 3 4x1 + 3x2 ≥ 6 x1 + 2x2 4 x1 ≥ 0, x2 ≥ 0
Pemecahan untuk masalah minimisasi
Memaksimumkan Z’ = -4x1 - x2
dengan pembatas-pembatas: 3x1 + x2 = 3 4x1 + 3x2 ≥ 6 x1 + 2x2 4 x1 ≥ 0, x2 ≥ 0
Pemecahan untuk masalah minimisasi
Solusi optimal kedua permasalahan akan sama, tetapi nilai optimalnya berbeda dalam hal tanda.
Dengan kata lain:
Nilai minimum dari Z = - (Nilai maksimum dari Z’)
Pemecahan untuk masalah minimisasi
Masalah-masalah komputasiNilai yang sama pada koefisien fungsi tujuan relatif yang terbesar Pilih variabel non basis yang akan masuk (entering variable) secara sebarang.Nilai yang sama pada rasio minimum untuk dua atau lebih pembatas
Pilih variabel yang akan keluar (leaving variable) secara sebarang. Implikasi dari nilai yang sama ini adalah akan menghasilkan solusi yang degenerate.
Masalah-masalah komputasiSolusi optimal alternatif (alternate optimal solution)Solusi yang tak terbatas (unbounded solution)
Solusi optimum alternatif(Alternate optimum solution)
Memaksimumkan Z = 2x1 + 4x2
dengan pembatas-pembatas: x1 + 2x2 5 x1 + x2 4 x1 ≥ 0, x2 ≥ 0
Bentuk kanonik
Memaksimumkan Z = 2x1 + 4x2
dengan pembatas-pembatas: x1 + 2x2 + x3 = 5 x1 + x2 + x4 = 4 x1 ≥ 0, x2 ≥ 0, x3 ≥ 0, x4 ≥ 0
Tabel 1
cB
2 4 0 0Konstanta
x1 x2 x3 x4
0 x3 1 2 1 0 5
0x4
1 1 0 1 4
2 4 0 0 Z = 0
Basis
cj
c Baris
Tabel 2 (Optimal)
cB
2 4 0 0Konstanta
x1 x2 x3 x4
4 x2 1/2 1 1/2 0 5/2
0x4
1/2 0 -1/2 1 3/2
0 0 -2 0 Z = 10
Basis
cj
c Baris
Tabel 3 (Optimal alternatif)
cB
2 4 0 0Konstanta
x1 x2 x3 x4
4 x2 0 1 1 -1 1
2x1
1 0 -1 2 3
0 0 -2 0 Z = 10
Basis
cj
c Baris
Solusi secara grafis
x1
x2
Catatan
Solusi optimal alternatif dalam tabel simpleks dapat diidentifikasi dengan melihat apakah terdapat koefisien fungsi tujuan relatif yang nol untuk variabel non basis pada tabel optimal.
Dalam praktek, pengetahuan tentang optima alternatif adalah berguna karena ini memberikan manajemen untuk memilih solusi yang terbaik yang cocok dengan situasi tanpa terjadinya penurunan pada nilai fungsi tujuan.
Solusi tak terbatas(Unbounded solution)
Memaksimumkan Z = 2x1 + 3x2
dengan pembatas-pembatas: x1 – x2 2 -3x1 + x2 3 x1 ≥ 0, x2 ≥ 0
Bentuk kanonik
Memaksimumkan Z = 2x1 + 3x2
dengan pembatas-pembatas: x1 – x2 + x3 = 2 -3x1 + x2 + x4 = 3 x1 ≥ 0, x2 ≥ 0, x3 ≥ 0, x4 ≥ 0
Tabel 1
cB
2 3 0 0Konstanta
x1 x2 x3 x4
0 x3 1 -1 1 0 2
0x4
-3 1 0 1 3
2 3 0 0 Z = 0
Basis
cj
c Baris
Tabel 2
cB
2 3 0 0Konstanta
x1 x2 x3 x4
0 x3 -2 0 1 1 5
3x2
-3 1 0 1 3
11 0 0 -3 Z = 9
Basis
cj
c Baris
Catatan
Tabel 2 belum optimalVariabel non basis x1 dapat menjadi
basis (entering variable) untuk menaikkan Z.
Tetapi, aturan rasio minimum gagal karena tidak ada elemen positif pada kolom x1.
Dengan kata lain, jika x1 meningkat maka kedua variabel basis x3 dan x2 juga meningkat sehingga tidak akan pernah mencapai nol sebagai batas peningkatan x1.
CatatanIni berarti bahwa x1 dapat dinaikkan
secara tak terbatas. Karena tiap peningkatan satu unit x1
akan meningkatkan Z sebesar 11 unit, maka fungsi tujuan dapat dinaikkan tak terbatas.
Oleh karena itu, solusi bagi masalah LP adalah solusi tak terbatas (unbounded solution).
Dengan demikian, kegagalan dalam aturan rasio minimum mengindikasikan bahwa masalah LP mempunyai solusi yang tak terbatas.
Solusi secara grafis
x1
x2
Degenerasi (Degeneracy)
Jika terjadi nilai yang sama pada rasio minimum, maka pemilihan variabel yang keluar basis (leaving variable) dapat dilakukan sebarang.
Akibatnya, satu atau lebih variabel basis akan mempunyai nilai nol pada iterasi berikutnya.
Dalam kasus ini, masalah LP dikatakan mempunyai solusi yang degenerate.
Degenerasi (Degeneracy)
Memaksimumkan Z = 3x1 + 9x2
dengan pembatas-pembatas: x1 + 4x2 8 x1 + 2x2 4 x1 ≥ 0, x2 ≥ 0
Bentuk kanonik
Memaksimumkan Z = 3x1 + 9x2
dengan pembatas-pembatas: x1 + 4x2 + x3 = 8 x1 + 2x2 + x4 = 4 x1 ≥ 0, x2 ≥ 0, x3 ≥ 0, x4 ≥ 0
Tabel 1
cB
3 9 0 0Konstanta
x1 x2 x3 x4
0 x3 1 4 1 0 8
0x4
1 2 0 1 4
3 9 0 0 Z= 0
Basis
cj
c Baris
Tabel 2
cB
3 9 0 0Konstanta
x1 x2 x3 x4
9 x2 1/4 1 1/4 0 2
0x4
1/2 0 -1/2 1 0
3/4 0 -9/4 0 Z = 18
Basis
cj
c Baris
Tabel 3 (Optimal)
cB
3 9 0 0Konstanta
x1 x2 x3 X4
9 x2 0 1 ½ -1/2 2
0x1
1 0 -1 2 0
0 0 -3/2 -3/2 Z = 18
Basis
cj
c Baris
CatatanImplikasi praktek dari degenerasi?
Terdapat pembatas yang redundan.
Solusi secara grafis
x1
x2
CatatanDari sudut pandang teoritis, degenerasi mempunyai implikasi:
Fenomena cycling atau circling prosedur simpleks mengulangi iterasi yang sama tanpa memperbaiki nilai fungsi tujuan dan tanpa pernah berhenti.
LOGO
Selamat Belajar!