BAB II
LANDASAN TEORI
2.1 Data dan Variabel
2.1.1 Data
Pengertian data menurut Webster New World Dictionary adalah things known or assumed, yang berarti bahwa data itu sesuatu yang diketahui atau dianggap. Diketahui artinya yang sudah terjadi merupakan fakta (bukti). Data juga dapat didefinisikan sekumpulan informasi atau nilai yang diperoleh dari pengamatan (observasi) suatu objek, data dapat berupa angka dan dapat pula merupakan lambang atau sifat. Pada dasarnya kegunaan data (setelah diolah dan dianalisis) ialah sebagai dasar yang objektif di dalam proses pembuatan keputusan/ kebijaksanaan dalam rangka untuk memecahkan persoalan.
Menurut sifatnya , data dapat digolongkan menjadi dua, yaitu: a. Data Kualitatif yaitu data yang tidak berbentuk angka. b. Data Kuantitatif yaitu data yang berbentuk angka.
Bila ditinjau dari cara memperolehnya, data dapat dibagi menjadi dua, yaitu: a. Data Primer yaitu data yang dikumpulkan sendiri oleh perorangan/ atau suatu organisasi secara langsung dari objek yang diteliti dan untuk kepentingan study yang bersangkutan yang dapat berupa interviu atau observasi. b. Data Sekunder yaitu data yang diperoleh/ dikumpulkan dan disatukan oleh study-study sebelumnya atau yang diterbitkan oleh instansi lain.
Universitas Sumatera Utara
8
Menurut waktu pengumpulannya, data digolongkan menjadi dua, yaitu : a. Data Cross Section ialah data yang dikumpulkan pada suatu waktu tertentu untuk menggambarkan keadaan dan kegiatan pada waktu tersebut. Misalnya, data penelitian yang menggunakan kuesioner. b. Data Berkala ialah data yang dikumpulkan dari waktu ke waktu untuk melihat perkembangan suatu kejadian/ kegiatan selama periode tersebut. Misalnya, perkembangan uang yang beredar.
2.1.2Variabel
S.H.Situmorang dkk, 2010. Variabel adalah suatu yang dapat membedakan atau mengubah variasi pada nilai. Nilai dapat berbeda pada waktu yang berbeda untuk objek atau orang yang sama, atau nilai dapat berbeda dalam waktu yang sama untuk objek atau orang yang berbeda.
Menurut hubungan antara suatu variabel dengan variabel lainnya, variabel terbagi atas beberapa yaitu : 1. Variabel bebas yaitu variabel yang menjadi sebab terjadinya atau terpengaruhnya variabel tak bebas. 2. Variabel tak bebas yaitu variabel yang nilainya dipengaruhi oleh variabel bebas. 3. Variabel moderator yaitu variabel yang memperkuat atau memperlemah hubungan antara suatu variabel bebas dengan tak bebas. 4. Variabel intervening, seperti halnya variabel moderator, tetapi nilainya tidak dapat diukur, seperti kecewa, marah, gembira, senang, sedih, dan lain sebagainya. 5. Variabel kontrol, yaitu variabel yang dapat dikendalikan oleh peneliti.
Universitas Sumatera Utara
9
2.2 Uji Validitas dan Reliabilitas Data
Pengujian validitas data digunakan untuk mengetahui apakah variabel-variabel dalam penelitian dapat menggambar keinginan konsumen dan mampu mengungkapkan sesuatu yang diukur oleh penelitian tersebut. Tinggi rendahnya validitas suatu variabel menunjukkan sejauh mana data yang dikumpulkan tidak menyimpang dari gambaran tentang variabel yang dimaksud.
Rumus: 𝑁( 𝑋𝑌) − ( 𝑋.
𝑟=
𝑌) 1 2
𝑁
𝑋2
−
( 𝑋)
2
𝑁
𝑌2
−
( 𝑌)
2
Keterangan: r = Koefisien korelasi product moment N = Jumlah sampel X = Skor setiap variabel Y = Skor total setiap responden
Uji reliabilitas data dilakukan untuk mengetahui tingkat kepercayaan hasil suatu pengukuran. Suatu kuesioner dikatakan reliabel jika jawaban seseorang terhadap pertanyaan adalah konsisten dari waktu ke waktu. Nilai suatu kuesioner dianggap reliabel jika memberikan nilai α > 0,60, (Ghozali, 2005).
2.3 Teori Permainan
Aminudin, 2005. Teori permainan merupakan suatu model matematika yang digunakan dalam situasi konflik atau persaingan antara berbagai kepentingan yang saling berhadapan sebagai pesaing. Dalam permaian peserta adalah pesaing. Keuntungan bagi yang satu merupakan kerugian bagi yang lain. Model-model permainan dapat dibedakan berdasarkan jumlah pemain, jumlah keuntungan atau
Universitas Sumatera Utara
10
kerugian, dan jumlah startegi yang digunakan dalam permainan. Bila jumlah pemain ada dua, permainan disebut sebagai permainan dua pemain. Bila keuntungan atau kerugian sama dengan nol, disebut permainan jumlah nol.
Teori permainan mula-mula dikemukakan oleh seorang ahli matematika Prancis yang bernama Emile Borel pada tahun 1921. kemudian, John Von Neemann dan Oskar Morgenstern mengembangkan lebih lanjut sebagai alat untuk merumuskan perilaku ekonomi yang bersaing.
2.3.1
Unsur-unsur Dasar Teori Permainan
Pada bagian ini akan dijelaskan beberapa unsur dasar yang sangat penting dalam pemecahan setiap kasus dengan teori permainan, dengan mengambil contoh permainan dua pemain jumlah nol dimana matriks pay off-nya ditunjukan dalam tabel berikut:
Tabel 2.1 Matriks Pay Off
A
Pemain
Pemain B 𝐵1
𝐵2
𝐵3
𝐴1
8
11
4
𝐴2
10
7
6
Dari contoh tabel permainan di atas dapat dijelaskan dasar-dasar teori permainan sebagai berikut: 1. Angka-angka dalam matriks pay off (matriks permainan) menunjukkan hasilhasil atau pay off dari strategi-strategi permainan yang berbeda-beda, dimana hasil-hasil merupakan ukuran efektifitas. Bilangan positif menunjukkan keuntungan bagi pemain baris dan kerugian bagi pemain kolom. 2. 𝐴𝑖 dan 𝐵𝑗 merupakan alternatif strategi-strategi yang dimiliki oleh masingmasing pemain A dan B. Suatu strategi permainan adalah rangkaian rencana
Universitas Sumatera Utara
11
yang menyeluruh dari pemain sebagai reaksi atas aksi yang mungkin dilakukan oleh pesaing. 3. Nilai permainan adalah hasil yang diperkirakan per permainan atau rata-rata pay off sepanjang permainan. Suatu permainan dikatakan adil apabila nilainya sama dengan nol. 4. Suatu permainan dikatakan dominan bila setiap pay off dalam strategi adalah superior terhadap setiap pay off yang berhubungan dalam suatu strategi alternatif. Pada matriks di atas hal ini terjadi untuk pemain B, kedua strategi 𝐵1 dan 𝐵2 didominasi oleh strategi 𝐵3 . Sehingga strategi 𝐵1 dan 𝐵2 dapat direduksi. Artinya pemain B menjalankan strategi optimalnya adalah 𝐵3 . Sedangkan pemain A memilih strategi 𝐴2 karena berusaha mencari keuntungan maksimal. Jadi nilai permainan untuk kasus di atas adalah 6 . 5. Tujuan dari model permainan adalah mengidentifikasi strategi mana yang optimal untuk setiap pemain.
2.3.2
Klasifikasi Permainan
a. Berdasarkan jumlah langkah dan pilihan
Permainan diklasifikasikan menjadi dua, yaitu: i.
Permainan berhingga, yaitu suatu permainan yang mempunyai sejumlah langkah yang berhingga dengan setiap langkah yang memuat sejumlah pilihan yang berhingga pula.
ii.
Permainan tak berhingga, untuk setiap permainan selain permainan berhingga.
b. Berdasarkan jumlah pemain
Suatu permainan dikatakan permainan n orang jika jumlah orang yang bermain adalah n. Disini orang dapat berperan sebagai individu ataupun kelompok.
Universitas Sumatera Utara
12
c. Berdasarkan jumlah pembayaran
i.
Permainan berjumlah nol adalah suatu permainan dengan jumlah kemenangan kedua belah pihak sama dengan nol. Hal ini berarti bahwa jummlah pembayaran yang diterima oleh salah satu pemain yang menang sama dengan jumlah pembayaran yang dibayarkan oleh pihak yang kalah. Bila ada dua orang yang bermain di dalam permainan maka dinamakan permainan berjumlah nol dari dua orang.
ii.
Permainan berjumlah tidak nol, yaitu permainan dengan total pembayaran dari masing-masing pemain pada akhir suatu permainan tidak sama dengan nol. Permainan ini dapat dimainkan oleh dua orang ataupun n orang.
2.3.3
Permainan Berjumlah Nol Dari Dua Orang
Kartono, 1994. Konsep dasar yang memuat dalam teori permainan dapat dijelaskan oleh permainan yang sederhana yang dimainkan oleh dua orang atau dua pemain. Untuk selanjutnya akan dibahas hal-hal pokok yang sesungguhnya menjadi inti dari teori permainan, yaitu menentukan solusi optimum bagi kedua pihak yang saling bersaing tersebut yang bersesuaian dengan strategi optimumnya. Ada dua macam strategi optimum, yaitu strategi murni dan strategi campuran.
a. Strategi Murni
Permainan dengan strategi murni adalah suatu permainan dengan posisi pilihan terbaiknya bagi setiap pemain dicapai dengan memilih satu strategi tunggal. Dalam permainan dengan strategi murni, pemain pertama (pemain baris) yaitu pemain yang berusaha memaksimumkan kemenangan (keuntungan) yang minimum sehingga kriteria strategi optimumnya adalah kriteria maximin. Sedangkan pemain kedua (pemain kolom) yaitu pemain yang berusaha meminimumkan kekalahan (kerugian) yang maksimum sehingga kriteria strategi optimumnya adalah kriteria minimax.
Universitas Sumatera Utara
13
Apabila nilai maximin sama dengan nilai minimax maka permainan ini dapat diselesaikan dengan strategi murni dimana titik keseimbangan telah tercapai. Titik keseimbangan ini dikenal sebagai titik pelana.
b. Strategi Campuran
Di dalam permainan dimana permainan tersebut tidak mempunyai titik pelana maka para pemain akan bersandar kepada apa yang disebut sebagai strategi campuran. Hal ini berarti pemain pertama akan memainkan setiap strategi baris dengan proporsi waktu (probabilitas) tertentu. Demikian juga untuk pemain kedua, ia akan memainkan setiap strategi kolom dengan proporsi waktu (probabilitas) tertentu. Oleh karena itu dalam suatu permainan yang diselesaikan dengan strategi campuran, strategi dari setiap pemain akan mempunyai probabilitas yang menunjukan proporsi waktu atau banyaknya bagian yang dipergunakan untuk melakukan strategi tersebut. Jadi tugas dari setiap pemain adalah menentukan proporsi waktu (probabilitas) yang diperlukan untuk memainkan strateginya.
c. Aturan Dominasi
Sebelum menyelesaikan suatu permainan, perlu dipertimbangkan apakah ada baris atau kolom dalam matriks pembayarannya yang tidak efektif pengaruhnya di dalam penentuan strategi optimum dan nilai permainan. Bila ada maka baris atau kolom yang seperti itu bisa dihapus atau tidak dipakai. Hal itu berarti bahwa probabilitas untuk memilih strategi sesuai baris atau kolom tersebut sama dengan nol. Dengan demikian ukuran matriks pembayaran yang tersisa akan lebih kecil. Hal ini akan mempermudah untuk menyelesaikannya. Aturan demikian ini dinamakan aturan dominasi.
i.
Aturan dominasi bagi pemain pertama 𝑃1 (pemain baris). Karena pemain 𝑃1
(pemain
baris)
merupakan
pemain
yang
berusaha
untuk
memaksimumkan kemenangan / perolehannya maka bila terdapat suatu
Universitas Sumatera Utara
14
baris dengan semua elemen dari baris tersebut adalah sama atau lebih kecil (sekolom) dari baris yang lain maka baris tersebut dikatakan didominasi dan baris itu dapat dihapus. Jika dalam suatu permainan yang berukuran m x n terdapat 𝐻(𝑖,𝑗 ) ≤ 𝐻(𝑘,𝑗 ) untuk semua 𝑗 = 1, 2, … , 𝑛
maka baris k
mendominasi baris i. Sedangkan jika 𝐻(𝑖,𝑗 ) ≤ 𝐻(𝑖,𝑘) untuk semua 𝑖 =
1, 2, …, 𝑚 maka kolom k mendominasi kolom j. ii.
Aturan dominasi bagi pemain kedua 𝑃2 (pemain kolom). Karena pemai 𝑃2 (pemain kolom) merupakan pemain yang berusaha untuk meminimumkan kekalahan / kerugiannya maka bila terdapat suatu kolom dengan semua elemen dari kolom tersebut adalah sama atau lebih besar dari elemen dalam posisi yang sama (sebaris) dari kolom yang lain maka kolom tersebut dikatakan didominasi dan kolom itu dapat dihapus. Jika dalam suatu permainan yang berukuran m x n terdapat 𝐻(𝑖,𝑗 ) ≤ 𝐻(𝑖,𝑘) untuk semua 𝑖 = 1, 2, … , 𝑚 maka kolom k mendominasi kolom j.
Keterangan: 𝐻(𝑖,𝑗 ) = Elemen matriks pay off baris ke-i dan kolom ke-j 𝐻(𝑘,𝑗 ) = Elemen matriks pay off baris ke-k dan kolom ke-j 𝐻(𝑖,𝑘) = Elemen matriks pay off baris ke-i dan kolom ke-k
Aturan dominasi ini dapat diulang lagi jika masih ada baris atau kolomnya yang didominasi oleh baris atau kolom yang lain. Dan ini memungkinkan matriks pembayaran semula akan tersisa menjadi matriks pembayaran dengan satu elemen saja. Bila hal ini dapat terjadi maka permainannya dapat diselesaikan dengan strategi murni dengan nilai permainan sesuai dengan elemen yang tersisa tersebut. Tetapi tidak semua permainan yang mempunyai titik pelana dapat diselesaikan dengan aturan dominasi yang berulang-ulang tersebut.
Universitas Sumatera Utara
15
2.3.4
Metode Penyelesaian Masalah dalam Teori Permainan
Yang dimaksud dengan menyelesaikan permainan adalah usaha mencari strategi optimum dan nilai permainan yang secara umum dapat dirumuskan sebagai berikut: 𝑋 = 𝑥1 , 𝑥2 , … , 𝑥𝑚
dan 𝑌 = 𝑦1 , 𝑦1 , … , 𝑦𝑛
yang mengoptimumkan nilai harapan
matematis 𝑚
𝑛
𝐸 𝑋, 𝑌 =
𝑎𝑖𝑗 𝑥𝑖 𝑦𝑖 𝑖=1 𝑗 =1
Dengan syarat 𝑚
𝑛
𝑥𝑖
=
𝑖=1
𝑦𝑖 = 1 𝑗 =1
𝑥𝑖 , 𝑦𝑗 ≥ 0
; 𝑢𝑛𝑡𝑢𝑘 𝑠𝑒𝑚𝑢𝑎 𝑖 𝑑𝑎𝑛 𝑗
Dimana X dan Y adalah strategi-strategi untuk masing-masing pemain 𝑃1 dan 𝑃2 . Metode yang akan digunakan dalam penelitian ini adalah metode program linier.
Dalam penyelesaian suatu permainan dengan metode program linier ini, kita sering dihadapkan kepada masalah metode simplex dualitas. Untuk suatu permainan dengan matriks pembayaran yang berukuran besar (m x n) dan tidak mempunyai titik pelana serta metode dominasi tidak dapat digunakan untuk mereduksi ukuran matriks pembayaran menjadi lebih kecil, maka program linier menawarkan suatu metode penyelesaian yang efesien.
Tabel 2.2 Nilai Probabilitas Strategi Pemain
Pemain 𝑃1
Pemain 𝑃2 𝑦1
𝑦2
𝑦3
⋯
𝑦𝑛
𝑥1
𝑎11
𝑎12
𝑎13
⋯
𝑎1𝑛
𝑥2
𝑎21
𝑎22
𝑎23
⋯
𝑎2𝑛
𝑥3
𝑎31
𝑎32
𝑎33
⋯
𝑎3𝑛
⋮
⋮
⋮
⋮
𝑥𝑚
𝑎𝑚1
𝑎𝑚2
𝑎𝑚3
⋮ ⋯
𝑎𝑚𝑛
Universitas Sumatera Utara
16
Keterangan: 𝑥𝑖
= probabilitas pemain 𝑃1 memilih strategi ke-i.
𝑦𝑗
= probabilitas pemain 𝑃2 memilih strategi ke-j.
𝑎𝑖𝑗
= nilai pembayaran yang bersesuaian dengan strategi ke-i pemain 𝑃1 dan ke-j pemain 𝑃2 . i = 1, 2, 3, …, m. j = 1, 2, 3, …, n.
a. Untuk pemain 𝑷𝟏 (pemain baris). 𝑚
Pemain 𝑃1 memilih 𝑥𝑖 , 𝑥𝑖 ≥ 0,
𝑥𝑖 = 1
yang akan menghasilkan
𝑖=1 𝑚
𝑚𝑎𝑥 𝑚𝑖𝑛
𝑚
𝑎𝑖1 𝑥𝑖 ,
𝑚
𝑎𝑖2 𝑥𝑖 ,
𝑖=1
…,
𝑖=1
𝑎𝑖𝑛 𝑥𝑖 𝑖=1
Hal ini menunjukkan bahwa strategi campuran optimum pemain 𝑃1 memenuhi 𝑚
𝑚𝑎𝑥 𝑚𝑖𝑛
𝑚
𝑎𝑖1 𝑥𝑖 ,
𝑚
𝑎𝑖2 𝑥𝑖 ,
𝑖=1
…,
𝑖=1
𝑎𝑖𝑛 𝑥𝑖 𝑖=1
Berdasarkan pembatas 𝑚
𝑥𝑖 = 1 𝑖=1
𝑥𝑖 ≥ 0
; 𝑖 = 1, 2, … , 𝑚
Persoalan ini dapat disajikan ke bentuk program linier sebagai berikut: Bila 𝑚
𝑣 = 𝑚𝑖𝑛
𝑚
𝑎𝑖1 𝑥𝑖 , 𝑖=1
𝑚
𝑎𝑖2 𝑥𝑖 , … , 𝑖=1
𝑎𝑖𝑛 𝑥𝑖 𝑖=1
Universitas Sumatera Utara
17
maka persoalan itu menjadi: Maksimumkan 𝑍 = 𝑣 Berdasarkan pembatas: 𝑚
𝑎𝑖𝑗 𝑥𝑖 ≥ 𝑣
; 𝑗 = 1, 2, … , 𝑛
𝑥𝑖 = 1
; 𝑥𝑖 ≥ 0 𝑢𝑛𝑡𝑢𝑘 𝑠𝑒𝑚𝑢𝑎 𝑖
𝑖=1 𝑚
𝑖=1
𝑣 = nilai permainan
Perumusan program linier di atas dapat disederhanakan dengan membagi (n+1) pembatas dengan v. Pembagian ini berlaku untuk 𝑣 > 0. Jika 𝑣 = 0 maka pembagian tidak berlaku. Sebaliknya, jika 𝑣 < 0 maka pembagian ini juga tidak berlaku namun dapat diubah menjadi 𝑣 > 0 dengan menambahkan suatu konstanta positif k pada semua elemen dalam matriks pembayaran yang akan menjamin nilai permainan untuk matriks yang dimodifikasi ini lebih besar dari nol. Sebagai pedoman, diambil 𝑘 ≥ harga mutlak dari elemen yang terkecil sehingga sebelum merumuskan ke bentuk program linier perlu diperiksa nilai maximin barisnya karena bila nilai maximin tersebut negatif maka ada kemungkinan nilai permainannya negatif atau nol.
Dengan demikian matriks pembayarannya perlu dimodifikasi dahulu dan sebagai konsekuensinya adalah bila solusi optimum telah diperoleh maka nilai permainan yang sebenarnya ditentukan dengan dengan mengurangi sebesar k tadi dari nilai permainan yang dimodifikasi.
Pada umumnya jika nilai maximinnya positif maka nilai permainannya lebih besar dari pada nol (terutama permainan yang mempunyai titik pelana). Oleh karena itu di dalam pembentukan rumusan program linier diasumsikan bahwa 𝑣 > 0. Pembatas-pembatas dalam rumusan program linier di atas menjadi: 𝑚
𝑎𝑖𝑗 𝑖=1 𝑚
𝑖=1
𝑥𝑖 ≥1 𝑣
𝑥𝑖 1 = 𝑣 𝑣
; 𝑗 = 1, 2, … , 𝑛
; 𝑥𝑖 ≥ 0 𝑢𝑛𝑡𝑢𝑘 𝑠𝑒𝑚𝑢𝑎 𝑖
Universitas Sumatera Utara
18
Bila dinotasikan 𝑋𝑖 =
𝑥𝑖
; 𝑖 = 1, 2, … , 𝑚 maka
𝑣 𝑚
𝑋𝑖 = 𝑖=1
1 𝑣
1
Karena max 𝑣 = min 𝑣 maka Persoalan di atas menjadi: 1
Meminimumkan 𝑧 = 𝑣 Berdasarkan pembatas
𝑚
𝑎𝑖𝑗 𝑋𝑖 ≥ 1
; 𝑗 = 1, 2, … , 𝑛
𝑖=1
𝑋𝑖 ≥ 0
; 𝑖 = 1, 2, … , 𝑚
Dari sini kemudian diselesaikan dengan metode simpleks. Penyelesaian bagi pemain 𝑃2 merupakan dual dari penyelesaian pemain 𝑃1 . Jadi penyelesaian optimum bagi salah satu pemain dapat memberikan penyelesain optimum bagi pemain lainnya walaupun penyelesaian bagi pemain 𝑃2 merupakan dual dari penyelesaian pemain 𝑃1 . Perhitungan penyelesaian optimum pemain 𝑃2 dapat dilakukan dengan menggunakan metode simpleks dan penyelesain pemain 𝑃1 merupakan dualnya. Dan pada kenyataannya bahwa lebih mudah untuk menghitung penyelesaian pemain 𝑃2 dengan metode simpleks dahulu.
b. Untuk pemain 𝑷𝟐 (pemain kolom) Dengan cara yang sama akan diperoleh: memaksimumkan 𝑤 = 𝑌1 + 𝑌2 + ⋯ + 𝑌𝑛 berdasarkan pembatas-pembatas: 𝑛
𝑎𝑖𝑗 𝑌𝑗 ≤ 1
; 𝑖 = 1, 2, … , 𝑚
𝑖=1
𝑌𝑗 ≥ 0
; 𝑗 = 1, 2, … , 𝑛
Universitas Sumatera Utara
19
2.4 Program Linier
Fien Zulfikarijah, 2004. Konsep program linier ditemukan dan diperkenalkan pertama kali oleh George Dantzig yang berupa metode mencari solusi masalah program linier dengan banyak variabel keputusan. Program linier dapat didefinisikan sebagai pembuatan rencana kegiatan-kegiatan dengan menggunakan suatu model umum dalam pemecahan masalah pengalokasian sumber daya yang terbatas secara optimal.
Dalam model program linier terdapat asumsi-asumsi yang harus dipenuhi, yaitu: 1. Proportionality (kesebandingan), artinya perubahan nilai fungsi tujuan dan penggunaan sumber daya adalah proporsional (sebanding) dengan perubahan kegiatan, contoh: 𝑍 = 𝐶1 𝑋1 , dalam persamaan ini dapat diartikan setiap peningkatan 𝑋1 sebesar 1 unit akan meningkatkan Z sebesar 𝐶1 . 2. Additivity (penambahan), artinya nilai tujuan setiap kegiatan bersifat independent (bebas/ tidak saling bergantung) dan dalam program linier dianggap bahwa kenaikan nilai tujuan (Z) yang diakibatkan oleh suatu kegiatan dapat langsung
ditambahkan tanpa mempengaruhi bagian nilai
kegiatan lain. 3. Divisibility (pembagian), dalam program linier diperbolehkan menggunakan angka pecahan. 4. Certainty (kepastian), artinya nilai parameter yang terdapat dalam model program linier diketahui secara pasti. Model umum program linier dapat dirumuskan ke dalam bentuk matematika sebagai berikut: 𝑛
𝑀𝑎𝑘𝑠𝑖𝑚𝑢𝑚𝑘𝑎𝑛 𝑎𝑡𝑎𝑢 𝑀𝑖𝑛𝑖𝑚𝑢𝑚𝑘𝑎𝑛 𝑍 =
𝑐𝑗 𝑥𝑗 , 𝑢𝑛𝑡𝑢𝑘 𝑗 = 1, 2, … , 𝑛 𝑗 =1
Kendala: 𝑛
𝑎𝑖𝑗 𝑥𝑗 ≤ 𝑎𝑡𝑎𝑢 ≥ 𝑏𝑖 , 𝑢𝑛𝑡𝑢𝑘 𝑖 = 1, 2, … , 𝑚 𝑗 =1
Universitas Sumatera Utara
20
2.5
Metode Simpleks
Metode simpleks merupakan prosedur aljabar yang bersifat iteratif yang bergerak selangkah demi selangkah, dimulai dari titik ekstrim pada daerah fisibel (ruang solusi) menuju titik ekstrim yang optimum. Dalam metode simpleks terdapat beberapa definisi penting, yaitu: a. Solusi Basis, yaitu solusi dimana terdapat sebanyak-banyaknya m variabel berharga bukan nol. b. Solusi basis fisibel, yaitu solusi variabel pada suatu solusi basis berharga nonnegatif. c. Solusi fisibel titik ekstrim, yaitu solusi fisibel yang tidak terletak pada suatu segmen garis yang menghubungkan dua solusi fisibel lainnya.
2.5.1
Algoritma Metode Simpleks untuk Persoalan Maksimasi
Untuk menyelesaikan persoalan maksimasi program linier dengan menggunakan metode simpleks, terdapat beberapa langkah, yaitu: 1. Konversikan formulasi persoalan ke dalam bentuk standar. 2. Cari solusi basis fisibel (BFS). 3. Jika seluruh variabel nonbasis mempunyai koefisien nonnegatif pada baris fungsi tujuan, maka solusi basis fisibel sudah optimal. Jika pada baris fungsi tujuan masih ada variabel dengan koefisien negatif, pilih salah satu variabel yang mempunyai paling negatif pada baris tersebut. Variabel ini akan memasuki status variabel basis, karena itu variabel ini disebut sebagai variabel yang masuk basis (entering variable, disingkat EV) 4. Hitung rasio dari ruas kanan dan koefisien EV pada setiap baris EV yang mempunyai koefisien positif. Variabel basis pada baris pembatas dengan rasio positif terkecil akan berubah status menjadi variabel nonbasis. Variabel ini kemudian disebut sebagai variabell yang meninggalkan basis (leaving variable/ disingkat LV). Lakukan operasi baris elementer untuk membuat koefisien EV pada baris dengan rasio positif terkecil ini mmenjadi berharga 1 dan berharga nol pada baris-baris lainnya. Kemudian kembali ke langkah 3.
Universitas Sumatera Utara
21
Contoh: Maksimum
: Z = 2x1 + 4x2 + 3x3
Kendala
: 3x1 + 4x2 + 2x3 ≤ 60 2x1 + x2+ 2x3 ≤ 40 x1 + 3x2 + 2x3 ≤ 80 x1, x2, x3 ≥ 0
Penyelesaian Bentuk standart Maksimum
: Z = 2x1 + 4x2 + 3x3
Kendala
: 3x1 + 4x2 + 2x3 + x4 = 60 2x1 + x2+ 2x3 + x5 = 40 x1 + 3x2 + 2x3 + x6 = 80 x1, x2, x3 ≥ 0
Tabel 2.3 Iterasi 0 Variabel
C
Basis
2
4
3
0
0
0
𝑥1
𝑥2
𝑥3
𝑥4
𝑥5
𝑥6
B
𝑥4
0
3
4
2
1
0
0
60
𝑥5
0
2
1
2
0
1
0
40
𝑥6
0
1
3
2
0
0
1
80
-2
-4
-3
0
0
0
0
B
𝑍𝑗 − 𝐶𝑗
Tabel 2.4 Iterasi 1 Variabel
C
Basis 𝑥2
4
𝑥5
0
𝑥6
0
𝑍𝑗 − 𝐶𝑗
2
4
3
0
0
0
𝑥1
𝑥2
𝑥3
𝑥4
𝑥5
𝑥6
3 4 5 4 5 − 4
1
1 2 3 2 1 2
1 4 1 − 4 3 − 4
0
0
15
1
0
25
0
1
35
1
0
-1
1
0
0
60
0 0
Universitas Sumatera Utara
22
Tabel 2.5 Iterasi 2 Variabel
C
Basis 𝑥2
4
𝑥3
3
𝑥6
0
𝑍𝑗 − 𝐶𝑗
2
4
3
0
0
0
𝑥1
𝑥2
𝑥3
𝑥4
𝑥5
𝑥6
1 3 5 6 5 − 3 11 6
1
0 1
0
0
0
0
1 3 2 3 1 − 3 2 3
0
0
1 3 1 − 6 2 − 3 5 6
−
B 20 3 50 3 80 3 230 3
0 1 0
Karena koefisien dari seluruh variabel pada baris 𝑍𝑗 − 𝐶𝑗 ≥ 0, maka solusi basis fisibel sudah optimal, dengan maksimum Z =
230 3
untuk 𝑥2 =
20 3
, 𝑥3 =
50 3
, 𝑥6 =
80 3
,
𝑥1 = 𝑥4 = 𝑥5 = 0.
2.5.2
Algoritma Metode Simpleks untuk Persoalan Minimasi
Sama halnya dengan penyelesaian persoalan maksimasi, untuk persoalan minimasi juga menggunakan langkah-langkah penyelesaian, yaitu: 1. Konversikan formulasi persoalan ke dalam bentuk standar. 2. Cari solusi basis fisibel (BFS). 3. Jika seluruh variabel nonbasis mempunyai koefisien nol atau negatif pada baris fungsi tujuan, maka solusi basis fisibel sudah optimal. Jika pada baris fungsi tujuan masih ada variabel dengan koefisien positif, pilih salah satu variabel yang mempunyai paling positif pada baris tersebut. Variabel ini akan memasuki status variabel basis, karena itu variabel ini disebut sebagai variabel yang masuk basis (entering variable, disingkat EV) 4. Hitung rasio dari ruas kanan dan koefisien EV pada setiap baris EV. Variabel basis pada baris pembatas dengan rasio terkecil akan berubah status menjadi variabel nonbasis. Variabel ini kemudian disebut sebagai variabel yang meninggalkan basis (leaving variable/ disingkat LV). Lakukan operasi baris elementer untuk membuat koefisien EV pada baris dengan rasio terkecil ini
Universitas Sumatera Utara
23
menjadi berharga 1 dan berharga nol pada baris-baris lainnya. Kemudian kembali ke langkah 3.
Contoh: Minimum
: Z = 8x1 + 10x2 + 7x3 + 6x4 + 11x5 + 9x6
Kendala
: 12x1 + 9x2 + 25x3 + 20x4 + 17x5 + 13x6 ≥ 60 35x1 + 42x2 + 18x3 + 31x4 + 56x5 + 49x6 ≥ 150 37x1 + 53x2 + 28x3 + 24x4 + 29x5 + 20x6 ≥ 125 Xj ≥ 0
; j = 1, 2, 3, ..., 6
Penyelesaian Bentuk standart Minimum
: Z = 8x1 + 10x2 + 7x3 + 6x4 + 11x5 + 9x6 + Mx10 + Mx11 + Mx12
Kendala
: 12x1 + 9x2 + 25x3 + 20x4 + 17x5 + 13x6 – x7 + x10 = 60 35x1 + 42x2 + 18x3 + 31x4 + 56x5 + 49x6 – x8 + x11 = 150 37x1 + 53x2 + 28x3 + 24x4 + 29x5 + 20x6 – x9 + x12 = 125 Xj ≥ 0
; j = 1, 2, 3, ..., 12
Universitas Sumatera Utara
Tabel 2.6 Iterasi 0 Basis
C
8
10
7
6
11
9
0
0
x1
x2
x3
x4
x5
x6
x7
0
M
M
M
x8
x9
x10
x11
x12
B
𝜽
x10
M
12
9
25
20
17
13
-1
0
0
1
0
0
60
6,6667
x11
M
35
42
18
31
56
49
0
-1
0
0
1
0
150
3,5714
X12
M
37
53
28
24
29
20
0
0
-1
0
0
1
125
2,3585
84M-8
104M-10
71M-7
75M-6
102M-11
82M-9
-M
-M
-M
0
0
0
335M
zj - cj
Tabel 2.7 Iterasi 1 Basis
C
8
10
7
6
11
9
0
0
0
M
M
M
x1
x2
x3
x4
x5
x6
x7
x8
x9
x10
x11
x12
B
𝜽
x10
M
5,7171
0
20,2453
15,9248
12,0761
9,6043
-1
0
0,1701
1
0
-0,1701
38,7735
3,2108
x11
M
5,6798
0
-4,1886
11,9824
35,0218
33,1534
0
-1
0,7938
0
1
-0,7938
50,9430
1,5427
x2
10
0,6981
1
0,5283
0,4528
0,5471
0,3773
0
0
-0,0189
0
0
0,0189
2,3585
4,3109
11,3969M -1,0190
0
16,0567M -1,7170
27,9072M -1,4720
45,0979M -5,5290
42,7577M -5,2270
-M
-M
0,9639M -0,1890
0
0
-1,9639M +0,01890
89,7165M +23,5850
zj - cj
Universitas Sumatera Utara
25
Tabel 2.8 Iterasi 2 Basis
C
8
10
7
6
11
9
0
x1
x2
x3
x4
x5
x6
x7
0
0
M
M
x8
x9
x10
x11
B
𝜽
x10
M
3,6401
0
21,7765
11,5424
0
-2,5201
-1
0,3659
-0,1197
1
-0,3659
20,1437
0,925
X5
11
0,1720
0
-0,1268
0,3629
1
1,004
0
-0,0303
0,024
0
0,0303
1,5427
-12,1664
X2
10
0,604
1
0,5977
0,2543
0
-0,172
0
0,0166
-0,032
0
-0,0166
1,5145
2,5339
3,6401M0,068
0
21,7765M2,4178
11,5424M+0, 5349
0
-2,5201M +2,044
-M
0,3659M0,1673
-0,1197M -0,056
0
-0,3659M +0,1673
20,1437M +16,9697
zj - cj
Tabel 2.9 Iterasi 3 Basis
C
8
10
7
6
11
9
0
x1
x2
x3
x4
x5
x6
x7
0
0
M
x8
x9
x10
B
𝜽
X3
7
0,1671
0
1
0,53
0
-0,1157
-0,0459
0,0168
-0,0055
0,0459
0,925
1,7453
X5
11
0,1931
0
0
0,4301
1
0,9893
-0,0058
-0,0282
0,0233
0,0058
1,6597
3,8589
X2
10
0,5041
1
0
-0,0625
0
-0,1029
0,0274
0,0066
-0,0287
-0,0274
0,9616
-15,3856
0,3348
0
0
1,8161
0
0,0434
-0,1111
-0,1266
-0,0692
0,1111-M
34,3477
zj - cj
Universitas Sumatera Utara
26
Tabel 2.10 Iterasi 4 Basis
C
8
10
7
6
11
9
0
0
0
x1
x2
x3
x4
x5
x6
x7
x8
x9
B
𝜽
X4
6
0,3153
0
1,8868
1
0
-0,2183
-0,0866
0,0317
-0,0104
1,7453
-7,995
X5
11
0,0575
0
-0,8115
0
1
1,0832
-0,0314
-0,0418
0,0278
0,909
0,8392
X2
10
0,5238
1
0,1179
0
0
-0,1165
0,022
0,0086
-0,0294
1,0707
-9,1906
-0,2377
0
-3,4267
0
0
0,4404
0,0458
-0,1836
-0,0506
31,1778
0
B
𝜽
zj - cj
Tabel 2.11 Iterasi 5 Basis
C
8
10
7
6
11
9
0
0
x1
x2
x3
x4
x5
x6
x7
x8
x9
X4
6
0,3269
0
1,7232
1
0,2015
0
-0,0803
0,0233
-0,0048
1,9285
-24,0162
X6
9
0,0531
0
-0,7492
0
0,9232
1
-0,029
-0,0386
0,0257
0,8392
28,9379
X2
10
0,53
1
0,0306
0
0,1076
0
0,0254
0,0041
-0,0264
1,1685
46,0039
-0,2607
0
-3,0976
0
-0,4062
0
0,0332
-0,1666
-0,0615
30,8088
zj - cj
Universitas Sumatera Utara
27
Tabel 2.12 Iterasi 6 Basis
C
8
10
7
6
11
9
0
0
0
x1
x2
x3
x4
x5
x6
x7
x8
x9
B
X4
6
0,3416
0
-0,3513
1
2,7578
2,7690
0
-0,0836
0,0664
4,2522
X7
0
0,1831
0
-25,8345
0
31,8345
34,4828
1
-1,3310
0,8862
28,9379
X2
10
0,5253
1
-0,6256
0
-0,701
-0,8759
0
0,0379
-0,0489
0,4335
-0,6974
0
-15,3638
0
-1,4632
-1,145
0
-0,1226 -0,0906
29,8482
zj - cj
Karena zj – cj ≤ 0, maka solusi optimal telah diperoleh. Dengan nilai minimum Z = 29,8482 ; x2 = 0,4335 ; x4 = 4,2522 ; x7 = 28,9379 ; x1 = x3 = x5 = x6 = x8 = x9 = 0
Universitas Sumatera Utara
2.6 Teori Dualitas
Ide dasar yang melatar belakangi teori dualitas adalah bahwa setiap persoalan program linier mempunyai suatu program linier lain yang saling berkaitan yang disebut dual, sedemikian sehingga solusi pada persoalan semula (yang disebut primal) juga memberi solusi pada dualnya.
Adapun hubungan antara primal dan dual adalah sebagai berikut: 1. Koefisien fungsi tujuan primal menjadi konstanta ruas kanan bagi dual, sedangkan konstanta ruas kanan primal menjadi koefisien fungsi tujuan dual. 2. Untuk setiap pembatas primal ada satu variabel dual dan untuk setiap variabel primal ada satu pembatas dual. 3. Tanda ketidaksamaan pada pembatas akan bergantung pada fungsi tujuannya. 4. Fungsi tujuan berubah bentuk (maksimasi menjadi minimasi dan sebaliknya). 5. Setiap kolom pada primal berkorespondensi dengan baris (pembatas) pada dual. 6. Setiap baris (pembatas) pada primal berkorespondensi dengan kolom pada dual. 7. Dual dari dual adalah primal.
Untuk lebih jelas lagi dapat dilihat pada tabel berikut ini:
Tabel 2.13 Primal dan Dual Primal
Dual 𝑛
𝑍 = 𝑚𝑎𝑥
𝑚
𝑐𝑗 𝑥𝑗
𝑍 = 𝑚𝑖𝑛
𝑗 =1
Pembatas:
𝑏𝑖 𝑦𝑖 𝑖=1
Pembatas: 𝑛
𝑛
𝑎𝑖𝑗 𝑦𝑗 ≥ 𝑐𝑗 ; 𝑗 = 1, 2, … , 𝑛
𝑎𝑖𝑗 𝑥𝑗 ≤ 𝑏𝑖 ; 𝑖 = 1, 2, … , 𝑚 𝑗 =1
𝑗 =1
𝑥𝑗 ≥ 0 ; 𝑗 = 1, 2, … , 𝑛
𝑦𝑖 ≥ 0 ; 𝑖 = 1, 2, … , 𝑚
Universitas Sumatera Utara