Metode Simpleks Kasus Minimisasi

dokumen-dokumen yang mirip
Model umum metode simpleks

Operations Management

MATA KULIAH RISET OPERASIONAL

PROGRAM LINEAR DENGAN METODE SIMPLEX

PROGRAM LINIER METODE SIMPLEKS

kita menggunakan variabel semu untuk memulai pemecahan, dan meninggalkannya setelah misi terpenuhi

METODE SIMPLEKS (THE SIMPLEX METHOD)

PROGRAM LINEAR: METODE SIMPLEX

BAB IV. METODE SIMPLEKS

Minimumkan: Z = 4X 1 + X 2 Batasan: 3X 1 + X 2 = 3 4X 1 + 3X 2 6 X 1 + 2X 2 4

METODE SIMPLEKS DALAM PROGRAM LINIER

Taufiqurrahman 1

BAHAN KULIAH TEKNIK RISET OPERASI

BAB III. METODE SIMPLEKS

BAB II METODE SIMPLEKS

METODE SIMPLEKS DALAM PROGRAM LINIER

Optimasi dengan Algoritma Simplex. Kusrini Jurusan Sistem Informasi STMIK AMIKOM Yogykakarta Jl. Ringroad Utara Condong Catur Sleman Yogyakarta

LINEAR PROGRAMMING MODEL SIMPLEX

RISET OPERASIONAL MINGGU KE-2. Disusun oleh: Nur Azifah., SE., M.Si. Linier Programming: Formulasi Masalah dan Model

METODE SIMPLEKS KASUS MEMAKSIMUMKAN

ANALISIS CONTRIBUTION MARGIN ATAS PRODUK-PRODUK PADA USAHA WARUNG MAKAN PUTRA BUKIT DI TENGGARONG (PENERAPAN METODE SIMPLEK)

BAB 2 LINIER PROGRAMMING DENGAN SIMPLEX

MAKSIMALISASI KEUNTUNGAN DENGAN PENDEKATAN METODE SIMPLEKS Kasus pada Pabrik Sosis SM

Metode Simpleks M U H L I S T A H I R

MATEMATIKA SISTEM INFORMASI 2 [KODE/SKS : IT / 2 SKS]

METODE SIMPLEKS DALAM PROGRAM LINIER

METODE SIMPLEKS DALAM PROGRAM LINIER

TEKNIK RISET OPERASI

MENENTUKAN JUMLAH PRODUKSI BATIK DENGAN MEMAKSIMALKAN KEUNTUNGAN MENGGUNAKAN METODE LINEAR PROGRAMMING PADA BATIK HANA

Pertemuan 2 Metode Simplex

PROGRAM STUDI AGRIBISNIS FAKULTAS PERTANIAN, UNIVERSITAS ANDALAS BAHAN AJAR. Simpleks

Metode Simpleks dengan Big M dan 2 Phase

Perhatikan model matematika berikut ini. dapat dibuat tabel

Fungsi kendala tidak hanya dibentuk oleh pertidaksamaan tetapi juga oleh pertidaksamaan dan/atau persamaan =. Fungsi kendala dengan pertidaksamaan

BAB III SOLUSI GRAFIK DAN METODE PRIMAL SIMPLEKS

Algoritma Simplex. Algoritma Simplex adalah algoritma yang digunakan untuk mengoptimalkan fungsi objektif dan memperhatikan semua persamaan

METODE BIG M. Metode Simpleks, oleh Hotniar Siringoringo, 1

mempunyai tak berhingga banyak solusi.

OPTIMALISASI PRODUKSI MENGGUNAKAN MODEL LINEAR PROGRAMMING (Studi Kasus : Usaha Kecil Menengah Kue Semprong)

BAB LINEAR PROGRAMMING : METODE GRAFIK PENDAHULUAN PENDAHULUAN

Teknik Riset Operasi. Oleh : A. AfrinaRamadhani H. Teknik Riset Operasi

Pengambilan Keputusan dalam keadaan ada kepastian. IRA PRASETYANINGRUM, S.Si,M.T

PENERAPAN LOGIKA FUZZY PADA PROGRAM LINEAR

Ir. Tito Adi Dewanto

METODE SIMPLEKS. Obyektif 1. Memahami cara menyelesaikan permasalahan menggunakan solusi grafik 2. Mengetahui fungsi kendala dan fungsi tujuan

1) Formulasikan dan standarisasikan modelnya 2) Bentuk tabel awal simpleks berdasarkan informasi model di atas 3) Tentukan kolom kunci di antara

PENERAPAN PROGRAM LINIER DALAM OPTIMASI BIAYA PAKAN IKAN DENGAN METODE SIMPLEKS (STUDI KASUS PT. INDOJAYA AGRINUSA MEDAN)

Z = 5X1 + 6X2 + 0S1 + 0S2 + MA1 + MA2. Persoalan Primal (asli) Persoalan Dual (kebalikan dari primal)

PRAKTIKUM II PEMROGRAMAN LINIER (METODE SIMPLEKS)

Penyelesaian Program Linier Menggunakan Algoritma Interior Point dan Metode Simpleks

PENYELESAIAN MODEL LINEAR PROGRAMMING SECARA MATEMATIK (METODE SIMPLEKS)

METODE dan TABEL SIMPLEX

PENERAPAN METODE BRANCH AND BOUND DALAM PENYELESAIAN MASALAH PADA INTEGER PROGRAMMING

BAB 2 LANDASAN TEORI

Maximize or Minimize Z = f (x,y) Subject to: g (x,y) = c

OPTIMALISASI KEUNTUNGAN PADA PERUSAHAAN KERIPIK BALADO MAHKOTA DENGAN METODE SIMPLEKS

PEMROGRAMAN LINIER. Metode Simpleks

BAB V PROGRAMA LINIER : METODE SIMPLEKS

ANALISIS MAKSIMALISASI KEUNTUNGAN PADA PABRIK TAHU BANDUNG DENGAN PENDEKATAN METODE SIMPLEKS. Rully Nourmalisa N

ANALISIS PENENTUAN KOMBINASI PRODUK OPTIMAL PADA PT. PISMATEX DI PEKALONGAN

Pemrograman Linier (3)

III. KERANGKA PEMIKIRAN

Metode Simpleks dalam Bentuk Tabel (Simplex Method in Tabular Form) Materi Bahasan

TINJAUAN PRIMAL-DUAL DALAM PENGAMBILAN KEPUTUSAN

APLIKASI UNTUK MENYELESAIKAN PROGRAM LINIER DENGAN MENGGUNAKAN METODE SIMPLEKS

BAB 2 LANDASAN TEORI

Pengubahan Model Ketidaksamaan Persamaan

Pemrograman Linier (2)

BAB 2 LANDASAN TEORI

BAB II KAJIAN PUSTAKA. pemrograman nonlinear, fungsi konveks dan konkaf, pengali lagrange, dan

BAB II TINJAUAN PUSTAKA

Manajemen Sains. Pemrograman Linier (Metode Simpleks) Eko Prasetyo Teknik Informatika Univ. Muhammadiyah Gresik 2011

Modul 05 Persamaan Linear dan Persamaan Linear Simultan

BAB 3 METODE PENELITIAN

OPTIMALISALI KASUS PEMROGRAMAN LINEAR DENGAN METODE GRAFIK DAN SIMPLEKS

SISTEM PENDUKUNG KEPUTUSAN UNTUK MENCARI KEUNTUNGAN MAKSIMAL PADA PERUSAHAAN TEMBIKAR DENGAN MENGGUNAKAN METODE SIMPLEKS. Kusrini 1.

II LANDASAN TEORI. suatu fungsi dalam variabel-variabel. adalah suatu fungsi linear jika dan hanya jika untuk himpunan konstanta,.

BAB II LANDASAN TEORI

OPTIMALISASI KEUNTUNGAN PADA PERUSAHAAN ANEKA KUE DENGAN METODE SIMPLEKS. Nama : Reza Rizki Akbar NPM :

BAB VI. DUALITAS DAN ANALISIS POSTOPTIMAL

BAHAN KULIAH RISET OPERASIONAL

Pemrograman Linier (1)

BAB II TINJAUAN PUSTAKA

PROGRAM LINIER : ANALISIS POST- OPTIMAL. Pertemuan 6

III KERANGKA PEMIKIRAN

BAB II TINJAUAN PUSTAKA

BAB II LANDASAN TEORI. Pemrograman linear (PL) ialah salah satu teknik dari riset operasi untuk

Danang Triagus Setiyawan ST.,MT

PENYEDERHANAAN OPERASI PERHITUNGAN PADA METODE SIMPLEKS

ALGORITMA METODE SIMPLEKS (PRIMAL)

BAB 2 LANDASAN TEORI. Menurut Kamus Besar Bahasa Indonesia Kontemporer, pembelian didefinisikan

Persamaan dan Pertidaksamaan Linear

BAB II LANDASAN TEORI. A. Sistem Persamaan Linear dan Sistem Pertidaksamaan Linear

BEBERAPA FORMULA PENTING DALAM solusi PROGRAM LINEAR FITRIANI AGUSTINA, MATH, UPI

Pemodelan dalam RO. Sesi XIV PEMODELAN. (Modeling)

Manajemen Sains. Eko Prasetyo. Teknik Informatika UMG Modul 3 PEMROGRAMAN LINIER METODE SIMPLEKS

BAB II TINJAUAN PUSTAKA

DEFINISI LP FUNGSI-FUNGSI DALAM PL MODEL LINEAR PROGRAMMING. Linear Programming Taufiqurrahman 1

BAB III PEMBAHASAN. linear yang dinyatakan dengan fungsi tujuan dan fungsi kendala yang memiliki

BAB 2 LANDASAN TEORI

Transkripsi:

Metode Simpleks Kasus Minimisasi

Penyimpangan-penyimpangan dari Bentuk Standar 1. Minimisasi Fungsi tujuan dari permasalahan linear programming yang bersifat minimisasi, harus diubah menjadi maksimisasi, agar sesuai dengan bentuk standar, yaitu maksimisasi. Caranya adalah dengan mengganti tanda positif dan negatif pada fungsi tujuan, sebagai berikut:

Minimisasi menjadi

Batasan dengan tanda sama dengan Kalau suatu batasan memakai tanda kesamaan, maka cara mengatasinya dengan menambahkan variabel buatan (artificial variable). Bila batasan tersebut bertanda = untuk dapat dikerjakan dengan metode simpleks harus ditambahkan satu variabel lagi, karena pada batasan itu belum ada variabel yang bisa merupakan variabel dasar pada tabel pertama. Variabel itu adalah variabel buatan yang bersifat tidak negatif. Karena adanya variabel buatan, maka fungsi tujuan harus disesuaikan dengan menambahkan bilangan M. Bilangan M bernilai sangat besar tetapi tidak tak terhingga, sehingga nilai Z maksimum bisa diperoleh.

Fungsi pembatas bertanda = Bila suatu fungsi pembatas bertanda =, maka harus diubah menjadi = dan akhirnya menjadi = agar dapat diselesaikan dengan metode simpleks. Contoh : 4X1 + 3X2 = 200 dikalikan (-1), menjadi -4X1 3X1 = -200 ditambahkan Variabel X5, menjadi -4X1 3X2 + X5 = -200

Bagian kanan persamaan bertanda negatif Bila bagian kanan persamaan bertanda negatif maka harus diubah menjadi positif. Caranya dengan mengubah tanda positif negatif dari tiap-tiap koefisien, kemudian ditambah dengan variabel buatan. Contoh : -4X1 3X2 + X5 = -200 dikalikan (-1), menjadi 4X1 + 3X2 X5 = 200 Persamaan diatas sudah bertanda kesamaan dan dibagian kanan bertanda positif, tetapi slack variabel (X5) bertanda negatif (dalam hal ini slack variabel sering disebut pula surplus variabel). Hal ini tidak memungkinkan penggunaan metode simpleks. Oleh karena itu harus ditambahkan satu variabel buatan X6, yang akan menjadi variabel dasar dalam tabel permulaan, sehingga menjadi sbb : 4X1 + 3X2 X5 + X6 = 200

Langkah selanjutnya Setelah kita lakukan perubahan-perubahan pada fungsi tujuan dan fungsi batasan dengan bentuk non standar, persamaan tujuan diatas tidak memungkinkan penggunaan metode simpleks tabel, sebab nilai setiap variabel dasar pada persamaan ini harus sebesar 0, padahal Xn merupakan variabel dasar pada tabel permulaan. Oleh karena itu diubah dengan cara menguranginya dengan M dikalikan dengan baris batasan yang bersangkutan.

Contoh Soal : Perusahaan bakso Echo membuat 2 macam bakso, yaitu bakso enak dan bakso eco, yang setiap bungkusnya ukuran 1 kg dijual seharga Rp 30.000,- dan Rp 50.000,-. Dalam setiap adonan disediakan daging sapi paling banyak 6 kg, daging ayam paling sedikit 2 kg, dan tepung sebanyak 2 kg. Untuk membuat bakso enak membutuhkan daging sapi 2 kg, daging ayam 2 kg, dan tepung 1 kg. Sedangkan untuk membuat bakso eco dibutuhkan daging sapi 3 kg, daging ayam 1 kg, dan tepung 2 kg. Berapakah bakso enak dan bakso eco yang harus dibuat jika diketahui laba masing-masing Rp 5.000,- agar diperoleh biaya pembuatan paling murah?

Perusahaan bakso Echo membuat 2 macam bakso, yaitu bakso enak dan bakso eco (Keluaran) yang setiap bungkusnya ukuran 1 kg dijual seharga Rp 30.000,- dan Rp 50.000,-. (Tingkat kegiatan) Dalam setiap adonan disediakan daging sapi paling banyak 6 kg, daging ayam paling sedikit 2 kg, dan tepung sebanyak 2 kg. (Kapasitas sumber) Untuk membuat bakso enak membutuhkan daging sapi 2 kg, daging ayam 2 kg, dan tepung 1 kg. Sedangkan untuk membuat bakso eco dibutuhkan daging sapi 3 kg, daging ayam 1 kg, dan tepung 2 kg. (Keluaran sumber) Berapakah bakso enak dan bakso eco yang harus dibuat jika diketahui laba masing-masing Rp 5.000,- agar diperoleh biaya pembuatan paling murah?

Produk Sumber BAKSO ENAK BAKSO ECO Kapasitas DAGING SAPI 2 3 6 DAGING AYAM 2 1 2 TEPUNG 1 2 2 HARGA 30.000 50.000 Variabel : Bakso enak = X1 dan bakso eco = X2 Fungsi Tujuan : Minimalkan Zmin = 30.000X1 + 50.000X2 Zmin = 3X1 + 5X2 (dalam satuan Rp.10.000,-) Batasan : 2X1 + 3X2 6 2X1 + X2 2 X1 + 2X2 = 2 X1, X2 0

Contoh Soal : Variabel : Bakso enak = X1 dan bakso eco = X2 Fungsi Tujuan : Minimalkan Zmin = 30.000X1 + 50.000X2 Batasan : 2X1 + 3X2 6 2X1 + X2 2 X1 + 2X2 = 2 X1, X2 0

Langkah 1. Mengubah Fungsi Tujuan dan Batasan Untuk kasus minimal, yang diubah adalah fungsi batasan terlebih dahulu, dikarenakan ada pengaruh terhadap fungsi tujuan. Fungsi batasan : a) 2X1 + 3X2 6 menjadi 2X1 + 3X2 + X3 = 6 b) 2X1 + X2 2 Tanda ( ) diubah menjadi ( ), tetapi tidak bisa dibalik begitu saja. Caranya adalah dengan dikalikan -1.

Mengubah Batasan dengan tanda ( ) -2X1 - X2-2 Tanda ( ) diubah menjadi (=) dengan ditambahkan slack variabel. -2X1 - X2 + X4 = -2 Setelah tanda (=) tidak boleh bernilai negatif (-), maka dikalikan -1. 2X1 + X2 - X4 = 2 Slack pada X4 tidak boleh bernilai negatif (-), atau dikatakan surplus variabel. Sehingga tidak bisa dijadikan variabel dasar. Maka perlu ditambahkan variabel buatan untuk dijadikan variabel dasar. 2X1 + X2 - X4 + X5 = 2

Menyesuaikan fungsi tujuan dengan menambah bilangan M Batasan kedua menjadi : 2X1 + X2 - X4 + X5 = 2 Maka fungsi tujuan harus disesuaikan dengan menambahkan bilangan M Bilangan M bernilai sangat besar tetapi tidak tak terhingga, sehingga nilai Z maksimum bisa diperoleh. Menjadi : Z = 3X1 + 5X2 + MX5

Menyesuaikan batasan yang ketiga C) X1 + 2X2 = 2 Tanda (=) ditambahkan variabel buatan untuk dijadikan variabel dasar. X1 + 2X2 + X6 = 2 Maka fungsi tujuan kembali disesuaikan dengan menambahkan bilangan M. Menjadi : Z = 3X1 + 5X2 + MX5 + MX6

Mengubah fungsi tujuan Minimalkan Z = 3X1 + 5X2 + MX5 + MX6 Diubah menjadi maksimalkan dengan mengganti dari tanda positif (+) menjadi tanda negatif(-) atau sebaliknya. Maksimalkan -Z = -3X1-5X2 - MX5 - MX6 Kemudian diubah menjadi fungsi implisit (setelah tanda = digeser ke kiri) -Z + 3X1 + 5X2 + MX5 + MX6 = 0 Persamaan tersebut belum bisa diinputkan ke dalam tabel persamaan dikarenakan MX5 dan MX6 sebagai variabel dasar pada fungsi tujuan harus bernilai nol (0).

Mengenalkan bilangan M Menggunakan batasan yang memuat X5 dan X6 yaitu batasan ke-2 dan ke-3 Z X1 X2 X3 X4 X5 X6 NK Fungsi tujuan -1 3 5 0 0 M M 0 Batasan 2 0 2 1 0-1 1 0 2 Batasan 3 0 1 2 0 0 0 1 2 x M Fungsi tujuan -1 (3-3M) (5-3M) 0 M 0 0-4M Mengenolkan M

Langkah 2. Menyusun persamaan ke dalam tabel Variabel Dasar Z X1 X2 X3 X4 X5 X6 NK Z -1 (-3M+3) (-3M+5) 0 M 0 0-4M X3 0 2 3 1 0 0 0 6 X5 0 2 1 0-1 1 0 2 X6 0 1 2 0 0 0 1 2

Langkah 3. Memilih kolom kunci Variabel Dasar Z X1 X2 X3 X4 X5 X6 NK Z -1 (-3M+3) (-3M+5) 0 M 0 0-4M X3 0 2 3 1 0 0 0 6 X5 0 2 1 0-1 1 0 2 X6 0 1 2 0 0 0 1 2 Jika suatu tabel sudah tidak memiliki nilai negatif pada baris fungsi tujuan (Z), berarti tabel itu tidak bisa dioptimalkan lagi (sudah optimal)

Langkah 4. Memilih baris kunci Variabel Dasar Z X1 X2 X3 X4 X5 X6 NK Indeks Z -1 (-3M+3) (-3M+5) 0 M 0 0-4M X3 0 2 3 1 0 0 0 6 6/2 = 3 X5 0 2 1 0-1 1 0 2 2/2 = 1 X6 0 1 2 0 0 0 1 2 2/1 = 2 Pilihlah baris yang mempunya indeks positif dengan angka terkecil. Titik perpotongan kolom kunci dengan baris kunci adalah : Angka Kunci

Langkah 5. Mengubah nilai-nilai baris kunci Variabel Dasar Z X1 X2 X3 X4 X5 X6 NK Indeks Z -1 (-3M+3) (-3M+5) 0 M 0 0-4M X3 0 2 3 1 0 0 0 6 6/2 = 3 X5 0 2 1 0-1 1 0 2 2/2 = 1 X6 0 1 2 0 0 0 1 2 2/1 = 2 Z X3 X1 1 1/2 0-1/2 1/2 0 1 X6

Nilai Baris kunci lama Nilai baris kunci baru = Nilai Baris kunci lama Angka kunci X5 0 2 1 0-1 1 0 2 2/2=1 2 2 2 2 2 2 2 2 X1 0 1/2 1 0 1/2 0 2 Gantilah variabel dasar pada baris yang terpilih dengan variabel yang terdapat di bagian atas kolom kunci. Angka kunci= 2 (pertemuan angka negatif z dengan angka indeks positif terkecil Titik perpotongan kolom kunci dengan baris kunci adalah : Angka Kunci

Langkah 6. Mengubah nilai-nilai selain pada baris kunci Baris Z NK (-3M+3) (-3M+5) 0 M 0 0-4M (-3M+3) 1 ½ 0 -½ ½ 0 1 NBBK 0 (-3/2M+7/2) 0 (-½ M+ 3/2) (3/2M-3/2) 0 (-M-3) Baris X3 NK 2 3 1 0 0 0 6 (2) 1 ½ 0 -½ ½ 0 1 0 2 1 1-1 0 4 NBBK

Langkah 6. Mengubah nilai-nilai selain pada baris kunci Baris X6 NK 1 2 0 0 0 1 2 (1) 1 ½ 0 -½ ½ 0 1 NBBK 0 3/2 0 ½ - ½ 1 1

Tabel pertama nilai lama dan Tabel kedua nilai baru Variabel Dasar Z X1 X2 X3 X4 X5 X6 NK Indeks Z -1 (-3M+3) (-3M+5) 0 M 0 0-4M X3 0 2 3 1 0 0 0 6 6/2 = 3 X5 0 2 1 0-1 1 0 2 2/2 = 1 X6 0 1 2 0 0 0 1 2 2/1 = 2 Z -1 0 (-3/2M+7/2) 0 (-1/2M+3/2) (3/2M-3/2) 0 -M-3 X3 0 0 2 1 1-1 0 4 X1 0 1 1/2 0-1/2 1/2 0 1 X6 0 0 3/2 0 1/2-1/2 1 1

Variabel Dasar Tabel kedua nilai baru Z X1 X2 X3 X4 X5 X6 NK Z -1 0 (-3/2M+7/2) 0 (-1/2M+3/2) (3/2M-3/2) 0 -M-3 X3 0 0 2 1 1-1 0 4 X1 0 1 1/2 0-1/2 1/2 0 1 X6 0 0 3/2 0 1/2-1/2 1 1 Syarat optimal adalah Z tidak ada nilai negatif. Apakah masih ada nilai negatif pada baris Z? Bila ada maka ulangi lagi langkah-langkahnya...

Menentukan kolom kunci lagi Variabel Dasar Z X1 X2 X3 X4 X5 X6 NK Z -1 0 (-3/2M+7/2) 0 (-1/2M+3/2) (3/2M-3/2) 0 -M-3 X3 0 0 2 1 1-1 0 4 X1 0 1 1/2 0-1/2 1/2 0 1 X6 0 0 3/2 0 1/2-1/2 1 1 Langkah 3 lagi...

3 2 Memilih baris kunci lagi Variabel Dasar Z X1 X2 X3 X4 X5 X6 NK INDEKS Z -1 0 (-3/2M+7/2) 0 (- 1/2M+3/2) (3/2M-3/2) 0 -M-3 X3 0 0 2 1 1-1 0 4 4/2=2 X1 0 1 1/2 0-1/2 1/2 0 1 1/½=2 X6 0 0 3/2 0 1/2-1/2 1 1 1/ 3 2 = 2 3 Langkah 4 lagi...

Mengubah nilai-nilai baris kunci lagi Variabel Dasar Z X1 X2 X3 X4 X5 X6 NK Indeks Z -1 0 (-3/2M+7/2) 0 (-1/2M+3/2) (3/2M-3/2) 0 -M-3 X3 0 0 2 1 1-1 0 4 4/2=2 X1 0 1 1/2 0-1/2 1/2 0 1 1/½=2 X6 0 0 3/2 0 1/2-1/2 1 1 = 1 3 2 2 3 Z X3 X1 X2 0 1 0 1/3-1/3 2/3

Mengubah nilai-nilai selain pada baris kunci lagi Baris Z NK 0 (-3/2M+7/2) 0 (-½ M+ 3/2) (3/2M-3/2) 0 (-M-3) (-3/2M+7/2) 0 1 0 1/3-1/3 2/3 2/3 NBBK 0 0 0 1/3 (M-1/3) (M-7/3) -16/3 Baris X3 NK 0 2 1 1-1 0 4 (2) 0 1 0 1/3-1/3 2/3 2/3 NBBK 0 0 1-1/3 1/3-4/3 8/3

Mengubah nilai-nilai selain pada baris kunci lagi Baris X1 NK 1 ½ 0 -½ ½ 0 1 (½ ) 0 1 0 1/3-1/3 2/3 2/3 NBBK 1 0 0-1/3 1/3-1/3 2/3

Tabel pertama nilai lama dan Tabel kedua nilai baru Variabel Dasar Z X1 X2 X3 X4 X5 X6 NK Indeks Z -1 0 (-3/2M+7/2) 0 (-1/2M+3/2) (3/2M-3/2) 0 -M-3 X3 0 0 2 1 1-1 0 4 4/2=2 X1 0 1 1/2 0-1/2 1/2 0 1 1/½=2 X6 0 0 3/2 0 1/2-1/2 1 1 = Z -1 0 0 0 1/3 (M-1/3) (M-7/3) -16/3 X3 0 0 0 1-1/3 1/3-4/3 8/3 X1 0 1 0 0-1/3 1/3-1/3 2/3 X2 0 0 1 0 1/3-1/3 2/3 2/3

Tabel kedua nilai baru Variabel Dasar Z X1 X2 X3 X4 X5 X6 NK Z -1 0 0 0 1/3 (M-1/3) (M-7/3) -16/3 X3 0 0 0 1-1/3 1/3-4/3 8/3 X1 0 1 0 0-1/3 1/3-1/3 2/3 X2 0 0 1 0 1/3-1/3 2/3 2/3 Syarat optimal adalah Z tidak ada nilai negatif. Apakah masih ada nilai negatif pada baris Z? Bila sudah tidak ada, maka perhitungan sudah optimal.

Tabel hasil Variabel Dasar Z X1 X2 X3 X4 X5 X6 NK Z -1 0 0 0 1/3 (M-1/3) (M-7/3) -16/3 X3 0 0 0 1-1/3 1/3-4/3 8/3 X1 0 1 0 0-1/3 1/3-1/3 2/3 X2 0 0 1 0 1/3-1/3 2/3 2/3 Kesimpulan : Maka bakso enak dibuat 2/3 kg dan bakso eco dibuat 2/3 kg dengan biaya pembuatan paling murah 16/3 x Rp. 10.000,- = Rp. 53.333,33

Referensi Bernard W. Taylor III. 1993. Sains Manajemen Pendekatan Matematika untuk Bisnis Buku 1. Jakarta : Salemba Empat. Hamdy A Taha. 1993. Riset Operasi Edisi Kelima Jilid 1. Jakarta : Binarupa Aksara. Jong Jek Siang. 2011. Riset Operasi Dalam Pendekatan Algoritmis.Yogyakarta : Andi Offset. Johannes Supranto. 1988. Riset Operasi Untuk Pengambilan Keputusan. Universitas Indonesia. Minarwati. 2015. Bahan Ajar RO. STMIK AMIKOM YOGYAKARTA. Riski Aditya. 2015. Modul 2 LP Simplek. STMIK AMIKOM YOGYAKARTA. Modul RO STMIK AMIKOM PURWOKERTO.

Terima Kasih... ^_^