SlideShare a Scribd company logo
NAMA : HAZHIYAH RAMADHANI
NIM : 14.01.0046/M
KELAS : K-01
METODE SIMPLEKS
PENDAHULUAN
Metode simpleks merupakan salah satu teknik
penyelesaian dalam program linier yang
digunakan sebagai teknik pengambilan keputusan
dalam permasalahan yang berhubungan
dengan pengalokasian sumberdaya secara
optimal.
Metode simpleks digunakan untuk mencari nilai
optimal dari program linier yang melibatkan
banyak constraint (pembatas) dan banyak variabel
(lebih dari dua variabel).
LANJUTAN
Metode Simpleks pertama sekali diperkenalkan oleh
George B.Dantzig dari USA (1950) melalui bukunya
Linear Programming and Extension, menyebutkan
bahwa ide dari linear programming ini berasal dari
ahli matematika Rusia bernama L.V
Kantorivich. Akan tetapi ide ini rupanya di Rusia
tidak bisa berkembang. Malah ternyata dunia barat
yang memanfaatkan ide ini selanjutnya.
LANJUTAN
Metode Simpleks merupakan prosedur aljabar yang
bersifat iteratif yang bergerak selangkah demi
selangkah, dimulai dari suatu titik ekstrem pada
daerah fisibel (ruang solusi) menuju ke titik ekstrem
yang optimum.
Metode simpleks akan sangat efektif digunakan untuk
persoalan program linear dengan lebih dari dua
variabel keputusan, dalam hal ini bukan berarti
metode simpleks tidak dapat digunakan untuk
menyelesaikan persoalan dengan dua variabel
keputusan.
LANGKAH-LANGKAH
METODE SIMPLEKS
Langkah-langkah awal dalam pemecahan masalah, yaitu formula
masalahnya sama yang dilakukan pada metode grafik, misalnya
contoh pada PT Kembang Arum di depan, yang formulasinya sebagai
berikut:
Fungsi tujuan: maksimumkan Z= 3X1 + 4X2
Batasan-batasan :
1. 2X1 + X2 ≤ 6000
2. 2X1 + 3X2 ≤ 9000
3. X1 ≥ 0; X2 ≥ 0
LANJUTAN
Langkah 1: Mengubah Fungsi Tujuan
Fungsi tujuan diubah sedemikian sehingga
semua variabel yang belum diketahui nilainya
berada disebelah kiri tanda sama dengan (=),
fungsi tujuan :
Maksimumkan Z= 3X1 + 4X2 diubah
menjadi:
Maksimumkan Z - 3X1 - 4X2
LANJUTAN
Langkah 2: Mengubah Batasan-Batasan
Semua batasan yang mula-mula bertanda ≤ diubah menjadi =,
dengan menggunakan suatu tambahan variabel yang sering
disebut sebagai slack variable dan biasanya diberi simbol S.
Batasan 1: 2X1 + X2 ≤ 6000 diubah menjadi: 2X1 + X2 + S1 = 6000
Batasan 2: 2X1 + 3X2 ≤ 9000 diubah menjadi: 2X1 + 3X2 + S2 =
9000
Dengan demikian, bentuk persamaan-persamaan tadi menjadi
sebagai berikut:
Fungsi tujuan: maksimumkan Z – 3X1 – 4X2 = 0
Batasan-batasan: 1. 2X1 + X2 + S1 = 6000
2. 2X1 + 3X2 + S2 = 9000
3. X1, X2, S1, S2 ≥ 0
Langkah 3: Menyusun Persamaan-persamaan ke Dalam Tabel
Dalam setiap atabel simpleks harus diperhatikan bahwa
nilai variabel dasar pada baris Z harus 0. dapat dilihat
bahwa nilai S1 dan S2 pada baris Z adalah 0. Kalau nilai
variabel dasar itu tidak 0 maka tabel tidak bisa diselesaikan
dengan linear programming, mungkin terdapat kesalahan
pada dalam langkah sebelumnya. isamping itu, perlu
diperhatikan pula bahwa nilai kanan pada baris batasan
harus selalu positif.
V. D Z X1 X2 S1 S2 N.K
Z 1 -3 -4 0 0 0
S1 0 2 1 1 0 6000
S2 0 2 3 0 1 9000
LANJUTAN
LANJUTAN
Kolom kunci merupakan dasar untuk mengubah/
memperbaiki tabel sebelumnya. Agar lebih cepat
memperoleh pemecahan optimal, pilihlah kolom pada
baris Z mempunyai nilai paling negatif.
Selama dalam baris Z masih terdapat bilangan negatif
maka tabel itu masih bisa diubah/ diperbaiki, tetapi
kalau sudah tidak ada negatif berarti tabel sudah
optimal.
Langkah 4: Memilih Kolom Kunci
V. D Z X1 X2 S1 S2 N.K
1
0
0
-3 -4 0 0
2 1 1 0
2 3 0 1
0
6000
9000
LANJUTAN
Baris kunci adalah baris yang merupakan dasar untuk
mengubah/ mengadakan perbaikan. Untuk
menentukannya terlebih dahulu harus dicari indeks
tiap-tiap baris dengan cara sebagai berikut.
Indeks baris =
Nilai pada kolom N.K
Nilai pada kolom kunci
Pada baris pertama nilai pada kolom N.K sebesar 6000
dan nilai pada kolom kunci = 1. jadi indeksnya 6000/1
= 6000. Sedang untuk baris batasan ke-2 nilai kolom
kunci 3 sehingga indeksnya 9000/3 = 3000.
Langkah 5: Memilih Baris Kunci
LANJUTAN
Kemudian kita pilih baris kunci yang memiliki
indeks positif terkecil, yaitu baris batasan kedua
(indeks batasan pertama 6000 dan batasan kedua
hanya 3000.
Langkah 5: Memilih Baris Kunci
V. D Z X1 X2 S1 S2 N.K
Z
S1
S2
1
0
0
-3 -4 0 0
2 1 1 0
2 3 0 1
0
6000
9000
LANJUTAN
Mula-mula yang diubah ialah baris kunci dengan
membagi semua angkanya dengan angka kunci.
Jadi semua angka pada baris kunci dibagi 3.
I
II
Langkah 6: Mengubah Nilai Baris Kunci
V. D Z X1 X2 S1 S2 N.K
Z
S1
S2
1
0
0
-3 -4 0 0
2 1 1 0
2 3 0 1
0
6000
9000
Z
S1
X2
1
0
0 2/3 1 0 1/3 3000
LANJUTAN
Nilai baru dari baris-baris yang bukan merupakan
baris kunci dapat dihitung dengan rumus sebagai
berikut.
Nilai
baris
baru
=
Nilai
baris
lama
−
Koefisien
pada
kolom kunci
×
Nilai
baris
kunci
Untuk baris Z pada tabel dapat dihitung sebagai
berikut.
−3 −4 0 0 0
- (-4) 2
3 1 0 1
3 3000
−1
3 0 0 4
3 12000
Langkah 7: Mengubah Nilai-Nilai di Luar Baris Kunci
LANJUTAN
Untuk baris batasan pertama sebagai berikut.
2 1 1 0 6000
- (1) 2/3 1 0 1/3 3000
4/3 0 1 −1/3 3000
Kemudian, data dimasukkan kedalam tabel.
I
II
Langkah 7: Mengubah Nilai-Nilai di Luar Baris Kunci
V. D Z X1 X2 S1 S2 N.K
Z
S1
S2
1
0
0
-3 -4 0 0
2 1 1 0
2 3 0 1
0
6000
9000
Z
S1
X2
1
0
0
-1/3 0 0 4/3
4/3 0 1 -1/3
2/3 1 0 1/3
12000
3000
3000
LANJUTAN
Selama masih ada nilai negatif pada baris Z, ulangilah
langkah perbaikan mulai dari langkah 3 sampai langkah
7 sampai diperoleh pemecahan optimal. Kalau sudah
tidak ada nilai negatif pada baris Z berarti alokasi sudah
optimal. Kalau tabel dilangkah 7 diubah lagi, maka yang
menjadi kolom kunci adalah X1 dan yang terpilih sebagai
baris kunci adalah barisan pertama (S1). Dengan angka
kunci 4/3, semua angka pada baris batasan pertama
dibagi 4/3 dan hasilnya sebagai berikut.
1 0 ¾ - ¼ 2250
Langkah 8: Melanjutkan Perbaikan
LANJUTAN
Nilai baru dari baris Z menjadi:
−1
3 0 1 4
3 12000
- (-1/3) 1 0 3
4
−1
4 2250
0 0 1
4
5
4 12750
Untuk baris batasan pertama sebagai berikut.
2
3 1 0 1
3 3000
- (2/3) 1 0 3
4
−1
4 2250
0 1 −1
2
1
2 1500
Langkah 8: Melanjutkan Perbaikan
LANJUTAN
Kemudian data dimasukkan kedalam tabel.
Indeks
2250
4500
Langkah 8: Melanjutkan Perbaikan
V. D Z X1 X2 S1 S2 N.K
Z
S1
S2
1
0
0
-3 -4 0 0
2 1 1 0
2 3 0 1
0
6000
9000
Z
S1
X2
1
0
0
-1/3 0 0 4/3
4/3 0 1 -1/3
2/3 1 0 1/3
12000
3000
3000
Z
X1
X2
1
0
0
0 0 1/4 5/4
1 0 3/4 -1/4
0 1 -1/2 1/2
12750
2250
1500
-4
1
3
PENYIMPANGAN-PENYIMPANGAN DARI BENTUK
STANDAR
1. Fungsi Tujuan Bersifat Meminimumkan Nilai Z
Kalau fungsi tujuan meminimumkan nilai Z maka harus
diubah menjadi memaksimumkan . Untuk mengubahnya
dapat dilakukan dengan mengalikannya dengan -1. Jadi,
meminimumkan nilai positifnya sama dengan
memaksimumkan nilai negatifnya.
2. Batasan Bertanda Sama Dengan (=)
Kalau suatu batasan bertanda sama dengan maka kalau
langsung dimasukkan dalam tabel akan mengalami
kesulitan karena variabel tersebut memiliki variabel dasar.
Oleh karena itu harus diberi tambahan suatu variabel yaitu
artificial variable yang biasanya diberi simbol R.
PENYIMPANGAN-PENYIMPANGAN DARI BENTUK
STANDAR
3. Batasan dengan Tanda Lebih Besar Sama Dengan (≥)
kalau suatu batasan bertanda ≥ maka kita beri Slack
variable yang bertanda negatif karena kelebihan dibagian
kiri tanda persamaan ditampung dalam-S sehingga bisa
menjadi persamaan, tetapi kalalu –S di jadikan variabel
dasar maka akan terdapat suatu variabel yang bernilai
negatif, yaitu variabel S. Hal ini melanggar non-variabel,
yaitu variabel R.

More Related Content

What's hot

linear programming metode simplex
linear programming metode simplexlinear programming metode simplex
linear programming metode simplex
Bambang Kristiono
 
ITP UNS SEMESTER 2 Integer programming
ITP UNS SEMESTER 2 Integer programmingITP UNS SEMESTER 2 Integer programming
ITP UNS SEMESTER 2 Integer programmingFransiska Puteri
 
Metode simpleks dua fase
Metode simpleks dua faseMetode simpleks dua fase
Metode simpleks dua fase
specy1234
 
Dualitas- Program Linear
Dualitas- Program LinearDualitas- Program Linear
Dualitas- Program Linear
HelvyEffendi
 
Mi+ +bab+3+metode+transportasi
Mi+ +bab+3+metode+transportasiMi+ +bab+3+metode+transportasi
Mi+ +bab+3+metode+transportasiHari Sumartono
 
Analisis Sensitivitas
Analisis SensitivitasAnalisis Sensitivitas
Analisis Sensitivitas
Ade Nurlaila
 
Analisis sensitivitas
Analisis sensitivitasAnalisis sensitivitas
Analisis sensitivitas
Ade Nurlaila
 
metode simpleks maksimum (Program linear)
 metode simpleks maksimum (Program linear) metode simpleks maksimum (Program linear)
metode simpleks maksimum (Program linear)
Resti Amin
 
Program Linear dan Metode Simpleks
Program Linear dan Metode SimpleksProgram Linear dan Metode Simpleks
Program Linear dan Metode Simpleks
raaaka12
 
5. rantai-markov-diskrit
5. rantai-markov-diskrit5. rantai-markov-diskrit
5. rantai-markov-diskrit
tsucil
 
BAB 4. PROBABILITAS DASAR dan DISTRIBUSI PROBABILITAS DISKRIT
BAB 4. PROBABILITAS DASAR dan DISTRIBUSI PROBABILITAS DISKRITBAB 4. PROBABILITAS DASAR dan DISTRIBUSI PROBABILITAS DISKRIT
BAB 4. PROBABILITAS DASAR dan DISTRIBUSI PROBABILITAS DISKRIT
Cabii
 
Contoh soal Teori antrian khusus Poisson
Contoh soal Teori antrian khusus PoissonContoh soal Teori antrian khusus Poisson
Contoh soal Teori antrian khusus PoissonLilies DLiestyowati
 
Ruang Vektor ( Aljabar Linear Elementer )
Ruang Vektor ( Aljabar Linear Elementer )Ruang Vektor ( Aljabar Linear Elementer )
Ruang Vektor ( Aljabar Linear Elementer )
Kelinci Coklat
 
Diferensial fungsi-majemuk
Diferensial fungsi-majemukDiferensial fungsi-majemuk
Diferensial fungsi-majemuk
Dani Ibrahim
 
Beberapa distribusi peluang kontinu
Beberapa distribusi peluang kontinuBeberapa distribusi peluang kontinu
Beberapa distribusi peluang kontinu
Raden Maulana
 
Peubah acak diskrit dan kontinu
Peubah acak diskrit dan kontinuPeubah acak diskrit dan kontinu
Peubah acak diskrit dan kontinu
Anderzend Awuy
 
Uas riset operasi (kevin surya)
Uas riset operasi (kevin surya)Uas riset operasi (kevin surya)
Uas riset operasi (kevin surya)
eddy sanusi silitonga
 
Sistem Persamaan Linear (SPL) Aljabar Linear Elementer
Sistem Persamaan Linear (SPL) Aljabar Linear ElementerSistem Persamaan Linear (SPL) Aljabar Linear Elementer
Sistem Persamaan Linear (SPL) Aljabar Linear Elementer
Kelinci Coklat
 

What's hot (20)

linear programming metode simplex
linear programming metode simplexlinear programming metode simplex
linear programming metode simplex
 
ITP UNS SEMESTER 2 Integer programming
ITP UNS SEMESTER 2 Integer programmingITP UNS SEMESTER 2 Integer programming
ITP UNS SEMESTER 2 Integer programming
 
Metode simpleks dua fase
Metode simpleks dua faseMetode simpleks dua fase
Metode simpleks dua fase
 
contoh soal program linear
contoh soal program linearcontoh soal program linear
contoh soal program linear
 
Dualitas- Program Linear
Dualitas- Program LinearDualitas- Program Linear
Dualitas- Program Linear
 
Mi+ +bab+3+metode+transportasi
Mi+ +bab+3+metode+transportasiMi+ +bab+3+metode+transportasi
Mi+ +bab+3+metode+transportasi
 
Analisis Sensitivitas
Analisis SensitivitasAnalisis Sensitivitas
Analisis Sensitivitas
 
Analisis sensitivitas
Analisis sensitivitasAnalisis sensitivitas
Analisis sensitivitas
 
metode simpleks maksimum (Program linear)
 metode simpleks maksimum (Program linear) metode simpleks maksimum (Program linear)
metode simpleks maksimum (Program linear)
 
Program Linear dan Metode Simpleks
Program Linear dan Metode SimpleksProgram Linear dan Metode Simpleks
Program Linear dan Metode Simpleks
 
5. rantai-markov-diskrit
5. rantai-markov-diskrit5. rantai-markov-diskrit
5. rantai-markov-diskrit
 
BAB 4. PROBABILITAS DASAR dan DISTRIBUSI PROBABILITAS DISKRIT
BAB 4. PROBABILITAS DASAR dan DISTRIBUSI PROBABILITAS DISKRITBAB 4. PROBABILITAS DASAR dan DISTRIBUSI PROBABILITAS DISKRIT
BAB 4. PROBABILITAS DASAR dan DISTRIBUSI PROBABILITAS DISKRIT
 
Contoh soal Teori antrian khusus Poisson
Contoh soal Teori antrian khusus PoissonContoh soal Teori antrian khusus Poisson
Contoh soal Teori antrian khusus Poisson
 
Ruang Vektor ( Aljabar Linear Elementer )
Ruang Vektor ( Aljabar Linear Elementer )Ruang Vektor ( Aljabar Linear Elementer )
Ruang Vektor ( Aljabar Linear Elementer )
 
Diferensial fungsi-majemuk
Diferensial fungsi-majemukDiferensial fungsi-majemuk
Diferensial fungsi-majemuk
 
Beberapa distribusi peluang kontinu
Beberapa distribusi peluang kontinuBeberapa distribusi peluang kontinu
Beberapa distribusi peluang kontinu
 
Peubah acak diskrit dan kontinu
Peubah acak diskrit dan kontinuPeubah acak diskrit dan kontinu
Peubah acak diskrit dan kontinu
 
Materi P3_Distribusi Normal
Materi P3_Distribusi NormalMateri P3_Distribusi Normal
Materi P3_Distribusi Normal
 
Uas riset operasi (kevin surya)
Uas riset operasi (kevin surya)Uas riset operasi (kevin surya)
Uas riset operasi (kevin surya)
 
Sistem Persamaan Linear (SPL) Aljabar Linear Elementer
Sistem Persamaan Linear (SPL) Aljabar Linear ElementerSistem Persamaan Linear (SPL) Aljabar Linear Elementer
Sistem Persamaan Linear (SPL) Aljabar Linear Elementer
 

Similar to Metode Simpleks

Tugas program linier. maksimisasi sama dengan.
Tugas program linier. maksimisasi sama dengan.Tugas program linier. maksimisasi sama dengan.
Tugas program linier. maksimisasi sama dengan.
Ochaa BeQii
 
LP SIMPLEKS KASUS MINIMISASI.pptx
LP SIMPLEKS KASUS MINIMISASI.pptxLP SIMPLEKS KASUS MINIMISASI.pptx
LP SIMPLEKS KASUS MINIMISASI.pptx
UNIVERSITAS MUHAMMADIYAH BERAU
 
Metode simpleks kelompok 6_10A3
Metode simpleks kelompok 6_10A3Metode simpleks kelompok 6_10A3
Metode simpleks kelompok 6_10A3
THALITAVERONA
 
3.pl simpleks
3.pl simpleks3.pl simpleks
3.pl simpleks
wilardo123
 
M2 lp-2 met simpleks
M2  lp-2 met simpleks M2  lp-2 met simpleks
M2 lp-2 met simpleks
RiaWijayaningsih
 
Pertemuan 4 lp metode simplex
Pertemuan 4 lp metode simplexPertemuan 4 lp metode simplex
Pertemuan 4 lp metode simplex
UNIVERSITAS MUHAMMADIYAH BERAU
 
PERTEMUAN 4 LINIER PROGRAMING METODE SIMPLEX.pptx
PERTEMUAN 4 LINIER PROGRAMING METODE SIMPLEX.pptxPERTEMUAN 4 LINIER PROGRAMING METODE SIMPLEX.pptx
PERTEMUAN 4 LINIER PROGRAMING METODE SIMPLEX.pptx
UNIVERSITAS MUHAMMADIYAH BERAU
 
Pertemuan 5 lp metode simplex
Pertemuan 5 lp metode simplexPertemuan 5 lp metode simplex
Pertemuan 5 lp metode simplex
UNIVERSITAS MUHAMMADIYAH BERAU
 
Modul+OR+-+Simpleks+Minimum.pdf
Modul+OR+-+Simpleks+Minimum.pdfModul+OR+-+Simpleks+Minimum.pdf
Modul+OR+-+Simpleks+Minimum.pdf
wiwinastuti1
 
Metode Simpleks.ppt
Metode Simpleks.pptMetode Simpleks.ppt
Metode Simpleks.ppt
slotbandar21
 
03 metode simplex
03 metode simplex03 metode simplex
03 metode simplex
Syafrawi Syafrawi
 
Linier simplek MAKSIMASI
Linier simplek MAKSIMASILinier simplek MAKSIMASI
Linier simplek MAKSIMASI
Susan Ucnk
 
Big M Methode
Big M MethodeBig M Methode
Big M Methode
Sayed Umam
 
2. kuliah kedua or reguler 2015 1
2. kuliah kedua or reguler 2015 12. kuliah kedua or reguler 2015 1
2. kuliah kedua or reguler 2015 1
21010115410004
 
Tugas program linier
Tugas program linierTugas program linier
Tugas program linierIndar Hayga
 
Risetoperasi 3-linear-programming-metode-simplex
Risetoperasi 3-linear-programming-metode-simplexRisetoperasi 3-linear-programming-metode-simplex
Risetoperasi 3-linear-programming-metode-simplex
Koran Bekas
 
DIPELAJARI YA (1).pptx
DIPELAJARI YA (1).pptxDIPELAJARI YA (1).pptx
DIPELAJARI YA (1).pptx
ZoroRoronoa64
 
Penyelesaian metode simplex revisi part 2
Penyelesaian metode simplex revisi part 2Penyelesaian metode simplex revisi part 2
Penyelesaian metode simplex revisi part 2
aji indras
 
-SIMPLEX.pdf
-SIMPLEX.pdf-SIMPLEX.pdf
-SIMPLEX.pdf
RidhoRidho69
 
ANALISIS SENSITIVITAS SIMPLEKS BESERTA PERUBAHAN KONTRIBUSI.pptx
ANALISIS SENSITIVITAS SIMPLEKS BESERTA PERUBAHAN KONTRIBUSI.pptxANALISIS SENSITIVITAS SIMPLEKS BESERTA PERUBAHAN KONTRIBUSI.pptx
ANALISIS SENSITIVITAS SIMPLEKS BESERTA PERUBAHAN KONTRIBUSI.pptx
UNIVERSITAS MUHAMMADIYAH BERAU
 

Similar to Metode Simpleks (20)

Tugas program linier. maksimisasi sama dengan.
Tugas program linier. maksimisasi sama dengan.Tugas program linier. maksimisasi sama dengan.
Tugas program linier. maksimisasi sama dengan.
 
LP SIMPLEKS KASUS MINIMISASI.pptx
LP SIMPLEKS KASUS MINIMISASI.pptxLP SIMPLEKS KASUS MINIMISASI.pptx
LP SIMPLEKS KASUS MINIMISASI.pptx
 
Metode simpleks kelompok 6_10A3
Metode simpleks kelompok 6_10A3Metode simpleks kelompok 6_10A3
Metode simpleks kelompok 6_10A3
 
3.pl simpleks
3.pl simpleks3.pl simpleks
3.pl simpleks
 
M2 lp-2 met simpleks
M2  lp-2 met simpleks M2  lp-2 met simpleks
M2 lp-2 met simpleks
 
Pertemuan 4 lp metode simplex
Pertemuan 4 lp metode simplexPertemuan 4 lp metode simplex
Pertemuan 4 lp metode simplex
 
PERTEMUAN 4 LINIER PROGRAMING METODE SIMPLEX.pptx
PERTEMUAN 4 LINIER PROGRAMING METODE SIMPLEX.pptxPERTEMUAN 4 LINIER PROGRAMING METODE SIMPLEX.pptx
PERTEMUAN 4 LINIER PROGRAMING METODE SIMPLEX.pptx
 
Pertemuan 5 lp metode simplex
Pertemuan 5 lp metode simplexPertemuan 5 lp metode simplex
Pertemuan 5 lp metode simplex
 
Modul+OR+-+Simpleks+Minimum.pdf
Modul+OR+-+Simpleks+Minimum.pdfModul+OR+-+Simpleks+Minimum.pdf
Modul+OR+-+Simpleks+Minimum.pdf
 
Metode Simpleks.ppt
Metode Simpleks.pptMetode Simpleks.ppt
Metode Simpleks.ppt
 
03 metode simplex
03 metode simplex03 metode simplex
03 metode simplex
 
Linier simplek MAKSIMASI
Linier simplek MAKSIMASILinier simplek MAKSIMASI
Linier simplek MAKSIMASI
 
Big M Methode
Big M MethodeBig M Methode
Big M Methode
 
2. kuliah kedua or reguler 2015 1
2. kuliah kedua or reguler 2015 12. kuliah kedua or reguler 2015 1
2. kuliah kedua or reguler 2015 1
 
Tugas program linier
Tugas program linierTugas program linier
Tugas program linier
 
Risetoperasi 3-linear-programming-metode-simplex
Risetoperasi 3-linear-programming-metode-simplexRisetoperasi 3-linear-programming-metode-simplex
Risetoperasi 3-linear-programming-metode-simplex
 
DIPELAJARI YA (1).pptx
DIPELAJARI YA (1).pptxDIPELAJARI YA (1).pptx
DIPELAJARI YA (1).pptx
 
Penyelesaian metode simplex revisi part 2
Penyelesaian metode simplex revisi part 2Penyelesaian metode simplex revisi part 2
Penyelesaian metode simplex revisi part 2
 
-SIMPLEX.pdf
-SIMPLEX.pdf-SIMPLEX.pdf
-SIMPLEX.pdf
 
ANALISIS SENSITIVITAS SIMPLEKS BESERTA PERUBAHAN KONTRIBUSI.pptx
ANALISIS SENSITIVITAS SIMPLEKS BESERTA PERUBAHAN KONTRIBUSI.pptxANALISIS SENSITIVITAS SIMPLEKS BESERTA PERUBAHAN KONTRIBUSI.pptx
ANALISIS SENSITIVITAS SIMPLEKS BESERTA PERUBAHAN KONTRIBUSI.pptx
 

Recently uploaded

Tugas Mandiri 1.4.a.4.3 Keyakinan Kelas.pdf
Tugas Mandiri 1.4.a.4.3 Keyakinan Kelas.pdfTugas Mandiri 1.4.a.4.3 Keyakinan Kelas.pdf
Tugas Mandiri 1.4.a.4.3 Keyakinan Kelas.pdf
muhammadRifai732845
 
RANCANGAN TINDAKAN UNTUK AKSI NYATA MODUL 1.4 BUDAYA POSITIF.pdf
RANCANGAN TINDAKAN UNTUK AKSI NYATA MODUL 1.4 BUDAYA POSITIF.pdfRANCANGAN TINDAKAN UNTUK AKSI NYATA MODUL 1.4 BUDAYA POSITIF.pdf
RANCANGAN TINDAKAN UNTUK AKSI NYATA MODUL 1.4 BUDAYA POSITIF.pdf
junarpudin36
 
RUBRIK OBSERVASI KINERJA KEPALA SEKOLAH.docx
RUBRIK OBSERVASI KINERJA KEPALA SEKOLAH.docxRUBRIK OBSERVASI KINERJA KEPALA SEKOLAH.docx
RUBRIK OBSERVASI KINERJA KEPALA SEKOLAH.docx
kinayaptr30
 
Sebuah buku foto yang berjudul Lensa Kampung Ondel-Ondel
Sebuah buku foto yang berjudul Lensa Kampung Ondel-OndelSebuah buku foto yang berjudul Lensa Kampung Ondel-Ondel
Sebuah buku foto yang berjudul Lensa Kampung Ondel-Ondel
ferrydmn1999
 
ppt materi aliran aliran pendidikan pai 9
ppt materi aliran aliran pendidikan pai 9ppt materi aliran aliran pendidikan pai 9
ppt materi aliran aliran pendidikan pai 9
mohfedri24
 
LK 1 - 5T Keputusan Berdampak PERMATA BUNDA.pdf
LK 1 - 5T Keputusan Berdampak PERMATA BUNDA.pdfLK 1 - 5T Keputusan Berdampak PERMATA BUNDA.pdf
LK 1 - 5T Keputusan Berdampak PERMATA BUNDA.pdf
UditGheozi2
 
Diseminasi Budaya Positif Lucy Kristina S.pptx
Diseminasi Budaya Positif Lucy Kristina S.pptxDiseminasi Budaya Positif Lucy Kristina S.pptx
Diseminasi Budaya Positif Lucy Kristina S.pptx
LucyKristinaS
 
Laporan Kegiatan Pramuka Tugas Tambahan PMM.pdf
Laporan Kegiatan Pramuka Tugas Tambahan PMM.pdfLaporan Kegiatan Pramuka Tugas Tambahan PMM.pdf
Laporan Kegiatan Pramuka Tugas Tambahan PMM.pdf
UmyHasna1
 
Karier-Dan-Studi-Lanjut-Di-Bidang-Informatika.pptx
Karier-Dan-Studi-Lanjut-Di-Bidang-Informatika.pptxKarier-Dan-Studi-Lanjut-Di-Bidang-Informatika.pptx
Karier-Dan-Studi-Lanjut-Di-Bidang-Informatika.pptx
adolfnuhujanan101
 
RANCANGAN TINDAKAN AKSI NYATA MODUL 1.4.pptx
RANCANGAN TINDAKAN AKSI NYATA MODUL 1.4.pptxRANCANGAN TINDAKAN AKSI NYATA MODUL 1.4.pptx
RANCANGAN TINDAKAN AKSI NYATA MODUL 1.4.pptx
SurosoSuroso19
 
UNTUK DOSEN Materi Sosialisasi Pengelolaan Kinerja Akademik Dosen
UNTUK DOSEN Materi Sosialisasi Pengelolaan Kinerja Akademik DosenUNTUK DOSEN Materi Sosialisasi Pengelolaan Kinerja Akademik Dosen
UNTUK DOSEN Materi Sosialisasi Pengelolaan Kinerja Akademik Dosen
AdrianAgoes9
 
PENGUMUMAN PPDB SMPN 4 PONOROGO TAHUN 2024.pdf
PENGUMUMAN PPDB SMPN 4 PONOROGO TAHUN 2024.pdfPENGUMUMAN PPDB SMPN 4 PONOROGO TAHUN 2024.pdf
PENGUMUMAN PPDB SMPN 4 PONOROGO TAHUN 2024.pdf
smp4prg
 
LAPORAN EKSTRAKURIKULER SEKOLAH DASAR NEGERI
LAPORAN EKSTRAKURIKULER SEKOLAH DASAR NEGERILAPORAN EKSTRAKURIKULER SEKOLAH DASAR NEGERI
LAPORAN EKSTRAKURIKULER SEKOLAH DASAR NEGERI
PURWANTOSDNWATES2
 
Kisi-kisi soal pai kelas 7 genap 2024.docx
Kisi-kisi soal pai kelas 7 genap 2024.docxKisi-kisi soal pai kelas 7 genap 2024.docx
Kisi-kisi soal pai kelas 7 genap 2024.docx
irawan1978
 
PI 2 - Ratna Haryanti, S. Pd..pptx Visi misi dan prakarsa perubahan pendidika...
PI 2 - Ratna Haryanti, S. Pd..pptx Visi misi dan prakarsa perubahan pendidika...PI 2 - Ratna Haryanti, S. Pd..pptx Visi misi dan prakarsa perubahan pendidika...
PI 2 - Ratna Haryanti, S. Pd..pptx Visi misi dan prakarsa perubahan pendidika...
agusmulyadi08
 
KOMITMEN MENULIS DI BLOG KBMN PB PGRI.ppt
KOMITMEN MENULIS DI BLOG KBMN PB PGRI.pptKOMITMEN MENULIS DI BLOG KBMN PB PGRI.ppt
KOMITMEN MENULIS DI BLOG KBMN PB PGRI.ppt
Dedi Dwitagama
 
2. Kerangka Kompetensi Literasi Guru SD_Rev.pptx
2. Kerangka Kompetensi Literasi Guru SD_Rev.pptx2. Kerangka Kompetensi Literasi Guru SD_Rev.pptx
2. Kerangka Kompetensi Literasi Guru SD_Rev.pptx
arianferdana
 
PELAKSANAAN + Link2 Materi Pelatihan_ PENGAWASAN P3DN & TKDN_ pd PENGADAAN Ba...
PELAKSANAAN + Link2 Materi Pelatihan_ PENGAWASAN P3DN & TKDN_ pd PENGADAAN Ba...PELAKSANAAN + Link2 Materi Pelatihan_ PENGAWASAN P3DN & TKDN_ pd PENGADAAN Ba...
PELAKSANAAN + Link2 Materi Pelatihan_ PENGAWASAN P3DN & TKDN_ pd PENGADAAN Ba...
Kanaidi ken
 
LAPORAN TUGAS TAMBAHAN PEMBINA PRAMUKA..
LAPORAN TUGAS TAMBAHAN PEMBINA PRAMUKA..LAPORAN TUGAS TAMBAHAN PEMBINA PRAMUKA..
LAPORAN TUGAS TAMBAHAN PEMBINA PRAMUKA..
widyakusuma99
 
SOAL SBDP KELAS 3 SEMESTER GENAP TAHUN PELAJARAN 2023 2024
SOAL SBDP KELAS 3 SEMESTER GENAP TAHUN PELAJARAN 2023 2024SOAL SBDP KELAS 3 SEMESTER GENAP TAHUN PELAJARAN 2023 2024
SOAL SBDP KELAS 3 SEMESTER GENAP TAHUN PELAJARAN 2023 2024
ozijaya
 

Recently uploaded (20)

Tugas Mandiri 1.4.a.4.3 Keyakinan Kelas.pdf
Tugas Mandiri 1.4.a.4.3 Keyakinan Kelas.pdfTugas Mandiri 1.4.a.4.3 Keyakinan Kelas.pdf
Tugas Mandiri 1.4.a.4.3 Keyakinan Kelas.pdf
 
RANCANGAN TINDAKAN UNTUK AKSI NYATA MODUL 1.4 BUDAYA POSITIF.pdf
RANCANGAN TINDAKAN UNTUK AKSI NYATA MODUL 1.4 BUDAYA POSITIF.pdfRANCANGAN TINDAKAN UNTUK AKSI NYATA MODUL 1.4 BUDAYA POSITIF.pdf
RANCANGAN TINDAKAN UNTUK AKSI NYATA MODUL 1.4 BUDAYA POSITIF.pdf
 
RUBRIK OBSERVASI KINERJA KEPALA SEKOLAH.docx
RUBRIK OBSERVASI KINERJA KEPALA SEKOLAH.docxRUBRIK OBSERVASI KINERJA KEPALA SEKOLAH.docx
RUBRIK OBSERVASI KINERJA KEPALA SEKOLAH.docx
 
Sebuah buku foto yang berjudul Lensa Kampung Ondel-Ondel
Sebuah buku foto yang berjudul Lensa Kampung Ondel-OndelSebuah buku foto yang berjudul Lensa Kampung Ondel-Ondel
Sebuah buku foto yang berjudul Lensa Kampung Ondel-Ondel
 
ppt materi aliran aliran pendidikan pai 9
ppt materi aliran aliran pendidikan pai 9ppt materi aliran aliran pendidikan pai 9
ppt materi aliran aliran pendidikan pai 9
 
LK 1 - 5T Keputusan Berdampak PERMATA BUNDA.pdf
LK 1 - 5T Keputusan Berdampak PERMATA BUNDA.pdfLK 1 - 5T Keputusan Berdampak PERMATA BUNDA.pdf
LK 1 - 5T Keputusan Berdampak PERMATA BUNDA.pdf
 
Diseminasi Budaya Positif Lucy Kristina S.pptx
Diseminasi Budaya Positif Lucy Kristina S.pptxDiseminasi Budaya Positif Lucy Kristina S.pptx
Diseminasi Budaya Positif Lucy Kristina S.pptx
 
Laporan Kegiatan Pramuka Tugas Tambahan PMM.pdf
Laporan Kegiatan Pramuka Tugas Tambahan PMM.pdfLaporan Kegiatan Pramuka Tugas Tambahan PMM.pdf
Laporan Kegiatan Pramuka Tugas Tambahan PMM.pdf
 
Karier-Dan-Studi-Lanjut-Di-Bidang-Informatika.pptx
Karier-Dan-Studi-Lanjut-Di-Bidang-Informatika.pptxKarier-Dan-Studi-Lanjut-Di-Bidang-Informatika.pptx
Karier-Dan-Studi-Lanjut-Di-Bidang-Informatika.pptx
 
RANCANGAN TINDAKAN AKSI NYATA MODUL 1.4.pptx
RANCANGAN TINDAKAN AKSI NYATA MODUL 1.4.pptxRANCANGAN TINDAKAN AKSI NYATA MODUL 1.4.pptx
RANCANGAN TINDAKAN AKSI NYATA MODUL 1.4.pptx
 
UNTUK DOSEN Materi Sosialisasi Pengelolaan Kinerja Akademik Dosen
UNTUK DOSEN Materi Sosialisasi Pengelolaan Kinerja Akademik DosenUNTUK DOSEN Materi Sosialisasi Pengelolaan Kinerja Akademik Dosen
UNTUK DOSEN Materi Sosialisasi Pengelolaan Kinerja Akademik Dosen
 
PENGUMUMAN PPDB SMPN 4 PONOROGO TAHUN 2024.pdf
PENGUMUMAN PPDB SMPN 4 PONOROGO TAHUN 2024.pdfPENGUMUMAN PPDB SMPN 4 PONOROGO TAHUN 2024.pdf
PENGUMUMAN PPDB SMPN 4 PONOROGO TAHUN 2024.pdf
 
LAPORAN EKSTRAKURIKULER SEKOLAH DASAR NEGERI
LAPORAN EKSTRAKURIKULER SEKOLAH DASAR NEGERILAPORAN EKSTRAKURIKULER SEKOLAH DASAR NEGERI
LAPORAN EKSTRAKURIKULER SEKOLAH DASAR NEGERI
 
Kisi-kisi soal pai kelas 7 genap 2024.docx
Kisi-kisi soal pai kelas 7 genap 2024.docxKisi-kisi soal pai kelas 7 genap 2024.docx
Kisi-kisi soal pai kelas 7 genap 2024.docx
 
PI 2 - Ratna Haryanti, S. Pd..pptx Visi misi dan prakarsa perubahan pendidika...
PI 2 - Ratna Haryanti, S. Pd..pptx Visi misi dan prakarsa perubahan pendidika...PI 2 - Ratna Haryanti, S. Pd..pptx Visi misi dan prakarsa perubahan pendidika...
PI 2 - Ratna Haryanti, S. Pd..pptx Visi misi dan prakarsa perubahan pendidika...
 
KOMITMEN MENULIS DI BLOG KBMN PB PGRI.ppt
KOMITMEN MENULIS DI BLOG KBMN PB PGRI.pptKOMITMEN MENULIS DI BLOG KBMN PB PGRI.ppt
KOMITMEN MENULIS DI BLOG KBMN PB PGRI.ppt
 
2. Kerangka Kompetensi Literasi Guru SD_Rev.pptx
2. Kerangka Kompetensi Literasi Guru SD_Rev.pptx2. Kerangka Kompetensi Literasi Guru SD_Rev.pptx
2. Kerangka Kompetensi Literasi Guru SD_Rev.pptx
 
PELAKSANAAN + Link2 Materi Pelatihan_ PENGAWASAN P3DN & TKDN_ pd PENGADAAN Ba...
PELAKSANAAN + Link2 Materi Pelatihan_ PENGAWASAN P3DN & TKDN_ pd PENGADAAN Ba...PELAKSANAAN + Link2 Materi Pelatihan_ PENGAWASAN P3DN & TKDN_ pd PENGADAAN Ba...
PELAKSANAAN + Link2 Materi Pelatihan_ PENGAWASAN P3DN & TKDN_ pd PENGADAAN Ba...
 
LAPORAN TUGAS TAMBAHAN PEMBINA PRAMUKA..
LAPORAN TUGAS TAMBAHAN PEMBINA PRAMUKA..LAPORAN TUGAS TAMBAHAN PEMBINA PRAMUKA..
LAPORAN TUGAS TAMBAHAN PEMBINA PRAMUKA..
 
SOAL SBDP KELAS 3 SEMESTER GENAP TAHUN PELAJARAN 2023 2024
SOAL SBDP KELAS 3 SEMESTER GENAP TAHUN PELAJARAN 2023 2024SOAL SBDP KELAS 3 SEMESTER GENAP TAHUN PELAJARAN 2023 2024
SOAL SBDP KELAS 3 SEMESTER GENAP TAHUN PELAJARAN 2023 2024
 

Metode Simpleks

  • 1. NAMA : HAZHIYAH RAMADHANI NIM : 14.01.0046/M KELAS : K-01 METODE SIMPLEKS
  • 2. PENDAHULUAN Metode simpleks merupakan salah satu teknik penyelesaian dalam program linier yang digunakan sebagai teknik pengambilan keputusan dalam permasalahan yang berhubungan dengan pengalokasian sumberdaya secara optimal. Metode simpleks digunakan untuk mencari nilai optimal dari program linier yang melibatkan banyak constraint (pembatas) dan banyak variabel (lebih dari dua variabel).
  • 3. LANJUTAN Metode Simpleks pertama sekali diperkenalkan oleh George B.Dantzig dari USA (1950) melalui bukunya Linear Programming and Extension, menyebutkan bahwa ide dari linear programming ini berasal dari ahli matematika Rusia bernama L.V Kantorivich. Akan tetapi ide ini rupanya di Rusia tidak bisa berkembang. Malah ternyata dunia barat yang memanfaatkan ide ini selanjutnya.
  • 4. LANJUTAN Metode Simpleks merupakan prosedur aljabar yang bersifat iteratif yang bergerak selangkah demi selangkah, dimulai dari suatu titik ekstrem pada daerah fisibel (ruang solusi) menuju ke titik ekstrem yang optimum. Metode simpleks akan sangat efektif digunakan untuk persoalan program linear dengan lebih dari dua variabel keputusan, dalam hal ini bukan berarti metode simpleks tidak dapat digunakan untuk menyelesaikan persoalan dengan dua variabel keputusan.
  • 5. LANGKAH-LANGKAH METODE SIMPLEKS Langkah-langkah awal dalam pemecahan masalah, yaitu formula masalahnya sama yang dilakukan pada metode grafik, misalnya contoh pada PT Kembang Arum di depan, yang formulasinya sebagai berikut: Fungsi tujuan: maksimumkan Z= 3X1 + 4X2 Batasan-batasan : 1. 2X1 + X2 ≤ 6000 2. 2X1 + 3X2 ≤ 9000 3. X1 ≥ 0; X2 ≥ 0
  • 6. LANJUTAN Langkah 1: Mengubah Fungsi Tujuan Fungsi tujuan diubah sedemikian sehingga semua variabel yang belum diketahui nilainya berada disebelah kiri tanda sama dengan (=), fungsi tujuan : Maksimumkan Z= 3X1 + 4X2 diubah menjadi: Maksimumkan Z - 3X1 - 4X2
  • 7. LANJUTAN Langkah 2: Mengubah Batasan-Batasan Semua batasan yang mula-mula bertanda ≤ diubah menjadi =, dengan menggunakan suatu tambahan variabel yang sering disebut sebagai slack variable dan biasanya diberi simbol S. Batasan 1: 2X1 + X2 ≤ 6000 diubah menjadi: 2X1 + X2 + S1 = 6000 Batasan 2: 2X1 + 3X2 ≤ 9000 diubah menjadi: 2X1 + 3X2 + S2 = 9000 Dengan demikian, bentuk persamaan-persamaan tadi menjadi sebagai berikut: Fungsi tujuan: maksimumkan Z – 3X1 – 4X2 = 0 Batasan-batasan: 1. 2X1 + X2 + S1 = 6000 2. 2X1 + 3X2 + S2 = 9000 3. X1, X2, S1, S2 ≥ 0
  • 8. Langkah 3: Menyusun Persamaan-persamaan ke Dalam Tabel Dalam setiap atabel simpleks harus diperhatikan bahwa nilai variabel dasar pada baris Z harus 0. dapat dilihat bahwa nilai S1 dan S2 pada baris Z adalah 0. Kalau nilai variabel dasar itu tidak 0 maka tabel tidak bisa diselesaikan dengan linear programming, mungkin terdapat kesalahan pada dalam langkah sebelumnya. isamping itu, perlu diperhatikan pula bahwa nilai kanan pada baris batasan harus selalu positif. V. D Z X1 X2 S1 S2 N.K Z 1 -3 -4 0 0 0 S1 0 2 1 1 0 6000 S2 0 2 3 0 1 9000 LANJUTAN
  • 9. LANJUTAN Kolom kunci merupakan dasar untuk mengubah/ memperbaiki tabel sebelumnya. Agar lebih cepat memperoleh pemecahan optimal, pilihlah kolom pada baris Z mempunyai nilai paling negatif. Selama dalam baris Z masih terdapat bilangan negatif maka tabel itu masih bisa diubah/ diperbaiki, tetapi kalau sudah tidak ada negatif berarti tabel sudah optimal. Langkah 4: Memilih Kolom Kunci V. D Z X1 X2 S1 S2 N.K 1 0 0 -3 -4 0 0 2 1 1 0 2 3 0 1 0 6000 9000
  • 10. LANJUTAN Baris kunci adalah baris yang merupakan dasar untuk mengubah/ mengadakan perbaikan. Untuk menentukannya terlebih dahulu harus dicari indeks tiap-tiap baris dengan cara sebagai berikut. Indeks baris = Nilai pada kolom N.K Nilai pada kolom kunci Pada baris pertama nilai pada kolom N.K sebesar 6000 dan nilai pada kolom kunci = 1. jadi indeksnya 6000/1 = 6000. Sedang untuk baris batasan ke-2 nilai kolom kunci 3 sehingga indeksnya 9000/3 = 3000. Langkah 5: Memilih Baris Kunci
  • 11. LANJUTAN Kemudian kita pilih baris kunci yang memiliki indeks positif terkecil, yaitu baris batasan kedua (indeks batasan pertama 6000 dan batasan kedua hanya 3000. Langkah 5: Memilih Baris Kunci V. D Z X1 X2 S1 S2 N.K Z S1 S2 1 0 0 -3 -4 0 0 2 1 1 0 2 3 0 1 0 6000 9000
  • 12. LANJUTAN Mula-mula yang diubah ialah baris kunci dengan membagi semua angkanya dengan angka kunci. Jadi semua angka pada baris kunci dibagi 3. I II Langkah 6: Mengubah Nilai Baris Kunci V. D Z X1 X2 S1 S2 N.K Z S1 S2 1 0 0 -3 -4 0 0 2 1 1 0 2 3 0 1 0 6000 9000 Z S1 X2 1 0 0 2/3 1 0 1/3 3000
  • 13. LANJUTAN Nilai baru dari baris-baris yang bukan merupakan baris kunci dapat dihitung dengan rumus sebagai berikut. Nilai baris baru = Nilai baris lama − Koefisien pada kolom kunci × Nilai baris kunci Untuk baris Z pada tabel dapat dihitung sebagai berikut. −3 −4 0 0 0 - (-4) 2 3 1 0 1 3 3000 −1 3 0 0 4 3 12000 Langkah 7: Mengubah Nilai-Nilai di Luar Baris Kunci
  • 14. LANJUTAN Untuk baris batasan pertama sebagai berikut. 2 1 1 0 6000 - (1) 2/3 1 0 1/3 3000 4/3 0 1 −1/3 3000 Kemudian, data dimasukkan kedalam tabel. I II Langkah 7: Mengubah Nilai-Nilai di Luar Baris Kunci V. D Z X1 X2 S1 S2 N.K Z S1 S2 1 0 0 -3 -4 0 0 2 1 1 0 2 3 0 1 0 6000 9000 Z S1 X2 1 0 0 -1/3 0 0 4/3 4/3 0 1 -1/3 2/3 1 0 1/3 12000 3000 3000
  • 15. LANJUTAN Selama masih ada nilai negatif pada baris Z, ulangilah langkah perbaikan mulai dari langkah 3 sampai langkah 7 sampai diperoleh pemecahan optimal. Kalau sudah tidak ada nilai negatif pada baris Z berarti alokasi sudah optimal. Kalau tabel dilangkah 7 diubah lagi, maka yang menjadi kolom kunci adalah X1 dan yang terpilih sebagai baris kunci adalah barisan pertama (S1). Dengan angka kunci 4/3, semua angka pada baris batasan pertama dibagi 4/3 dan hasilnya sebagai berikut. 1 0 ¾ - ¼ 2250 Langkah 8: Melanjutkan Perbaikan
  • 16. LANJUTAN Nilai baru dari baris Z menjadi: −1 3 0 1 4 3 12000 - (-1/3) 1 0 3 4 −1 4 2250 0 0 1 4 5 4 12750 Untuk baris batasan pertama sebagai berikut. 2 3 1 0 1 3 3000 - (2/3) 1 0 3 4 −1 4 2250 0 1 −1 2 1 2 1500 Langkah 8: Melanjutkan Perbaikan
  • 17. LANJUTAN Kemudian data dimasukkan kedalam tabel. Indeks 2250 4500 Langkah 8: Melanjutkan Perbaikan V. D Z X1 X2 S1 S2 N.K Z S1 S2 1 0 0 -3 -4 0 0 2 1 1 0 2 3 0 1 0 6000 9000 Z S1 X2 1 0 0 -1/3 0 0 4/3 4/3 0 1 -1/3 2/3 1 0 1/3 12000 3000 3000 Z X1 X2 1 0 0 0 0 1/4 5/4 1 0 3/4 -1/4 0 1 -1/2 1/2 12750 2250 1500 -4 1 3
  • 18. PENYIMPANGAN-PENYIMPANGAN DARI BENTUK STANDAR 1. Fungsi Tujuan Bersifat Meminimumkan Nilai Z Kalau fungsi tujuan meminimumkan nilai Z maka harus diubah menjadi memaksimumkan . Untuk mengubahnya dapat dilakukan dengan mengalikannya dengan -1. Jadi, meminimumkan nilai positifnya sama dengan memaksimumkan nilai negatifnya. 2. Batasan Bertanda Sama Dengan (=) Kalau suatu batasan bertanda sama dengan maka kalau langsung dimasukkan dalam tabel akan mengalami kesulitan karena variabel tersebut memiliki variabel dasar. Oleh karena itu harus diberi tambahan suatu variabel yaitu artificial variable yang biasanya diberi simbol R.
  • 19. PENYIMPANGAN-PENYIMPANGAN DARI BENTUK STANDAR 3. Batasan dengan Tanda Lebih Besar Sama Dengan (≥) kalau suatu batasan bertanda ≥ maka kita beri Slack variable yang bertanda negatif karena kelebihan dibagian kiri tanda persamaan ditampung dalam-S sehingga bisa menjadi persamaan, tetapi kalalu –S di jadikan variabel dasar maka akan terdapat suatu variabel yang bernilai negatif, yaitu variabel S. Hal ini melanggar non-variabel, yaitu variabel R.