• Tidak ada hasil yang ditemukan

Menyelesaikan Linear Programming Dua Variabel dengan Metode Grafik

N/A
N/A
Protected

Academic year: 2018

Membagikan "Menyelesaikan Linear Programming Dua Variabel dengan Metode Grafik"

Copied!
50
0
0

Teks penuh

(1)

Operations Research

(2)

Menyelesaikan Linear Programming Dua

Variabel dengan Metode Grafik

Mencari titik potong fungsi kendala dengan sumbu X dan sumbu Y diagram cartesius

Menentukan daerah layak Menentukan daerah layak

(3)

Contoh Soal 1

Reddy Mikks Company memiliki sebuah pabrik kecil yang

menghasilkan cat, baik untuk interior maupun eksterior untuk didistribusikan kepada para grosir. Dua bahan mentah, A dan B, dipergunakan untuk membuat cat tersebut. Ketersediaan A

dipergunakan untuk membuat cat tersebut. Ketersediaan A maksimum adalah 6 ton satu hari; ketersediaan B adalah 8 ton satu hari. Kebutuhan harian akan bahan mentah per ton cat interior dan eksterior diringkaskan dalam tabel 1. Sebuah

survey pasar telah menetapkan bahwa permintaan harian akan cat interior tidak akan lebih dari 1 ton lebih tinggi dibandingkan permintaan akan cat eksterior. Survey tersebut juga

memperlihatkan bahwa permintaan maksimum akan cat

interior adalah terbatas pada 2 ton per hari. Harga grosir per interior adalah terbatas pada 2 ton per hari. Harga grosir per ton adalah $3000 untuk cat eksterior dan $2000 untuk cat interior. Berapa banyak cat interior dan eksterior yang harus dihasilkan perusahaan tersebut setiap hari untuk

(4)

Contoh Soal 1 (Tabel 1)

Ton Bahan Mentah per Ton Cat Ketersediaan maksimum (ton)

Eksterior Interior

A 1 2 6

A 1 2 6

(5)

Contoh Soal 1

Xj = jumlah ton cat jenis j yang diproduksi setiap hari Cj = harga grosir per ton cat jenis j

Aij = kebutuhan ton bahan mentah i untuk memproduksi Aij = kebutuhan ton bahan mentah i untuk memproduksi 1 ton cat jenis j

(6)

Contoh Soal 1

Fungsi Tujuan: maksimumkan pendapatan kotor max z = 3000 X1 + 2000 X2

Batasan bahan baku

(7)

Contoh Soal 1

Batasan permintaan harian

Permintaan harian cat interior tidak akan lebih dari 1 ton lebih tinggi dari cat eksterior

tinggi dari cat eksterior X2 – X1 ≤ 1

Permintaan maksimum harian cat interior adalah 2 ton X2 ≤ 2

Batasan non negativitas Batasan non negativitas

(8)

Contoh Soal 1

max z = 3000 X1 + 2000 X2 Subject To:

Subject To:

1) X1 + 2 X2 ≤ 6

2) 2 X1 + X2 ≤ 8

3) X2 – X1 ≤ 1

4) X2 ≤ 2

5) X1 ≥ 0

5) X1 ≥ 0

(9)
(10)

Contoh Soal 1

Nilai maksimum dicapai pada titik perpotongan garis 1 dan 2 1) X1 + 2 X2 ≤ 6

2) 2 X1 + X2 ≤ 8 2) 2 X1 + X2 ≤ 8

Dengan substitusi/eliminasi, dapat diperoleh titik perpotongannya:

(11)
(12)

Metode Simpleks

Menerjemahkan definisi dari titik ekstrim menjadi definisi aljabar

Metode simpleks mengharuskan agar setiap batasan ditempatkan dalam bentuk standar khusus dimana semua batasan diekspresikan sebagai

persamaan dengan menambahkan variabel slack dan surplus sebagaimana diperlukan

persamaan dengan menambahkan variabel slack dan surplus sebagaimana diperlukan

Jumlah variabel lebih besar daripada jumlah persamaan sehingga menghasilkan sejumlah titik pemecahan yang tidak terbatas

Titik ekstrim dari ruang ini dapat diidentifikasi secara aljabar sebagai basic solutions dari sistem persamaan simultan tersebut

Yang dilakukan metode simpleks adalah mengidentifikasi satu pemecahan dasar awal dan lalu bergerak secara sistematis ke pemecahan dasar lainnya yang memiliki potensi untuk memperbaiki nilai fungsi tujuan

Sebuah pemecahan Sebuah pemecahan

Pemecahan dasar yang bersesuaian dengan nilai optimum akan diidentifikasi dan perhitungan berakhir

(13)

Metode Simpleks

Algoritma Simpleks Primal

Metode Big-M

Metode Two-Phase Metode Two-Phase

(14)

Bentuk LP Standar

Semua batasan adalah persamaan (dengan sisi kanan yang nonnegatif jika model tersebut dipecahkan dengan

metode simpleks primal) metode simpleks primal)

Semua variabel adalah nonnegatif

(15)

Bentuk LP Standar: Batasan

Sebuah pertidaksamaan yang berjenis ≤ (≥) dapat dikonversikan menjadi sebuah persamaan dengan

menambahkan variabel slack ke (mengurangkan surplus menambahkan variabel slack ke (mengurangkan surplus dari) sisi kiri batasan tersebut

(16)

Bentuk LP Standar: Batasan

Sisi kanan dari sebuah persamaan dapat selalu dibuat nonnegatif dengan mengalikan kedua sisi dengan -1 Contoh 1:

Batasan: 2 x1 + 3 x2 – 7 x3 = -5

(17)

Bentuk LP Standar: Batasan

Arah pertidaksamaan dibalik ketika kedua sisi dikalikan dengan -1

Contoh 1:

Batasan: 2 x1 – x2 ≤ -5

-2 x1 + x2 ≥ 5

(18)

Bentuk LP Standar: Variabel

Variabel yang tidak dibatasi yi dapat diekspresikan dalam bentuk dua variabel nonnegatif dengan menggunakan

substitusi substitusi

yi = yi’ – yi” yi’, yi” ≥ 0

Substitusi harus diberlakukan di semua batasan dan dalam fungsi tujuan

Dalam pemecahan LP (simpleks) yang optimal, hanya satu dari kedua variabel tersebut (yi’ dan yi”) dapat memiliki dari kedua variabel tersebut (yi’ dan yi”) dapat memiliki nilai positif, tetapi tidak pernah keduanya (jika yi’ > 0, maka yi” = 0; dan sebaliknya)

(19)
(20)

Bentuk LP Standar: Fungsi Tujuan

Maksimisasi sebuah fungsi adalah setara dengan minimisasi negatif dari fungsi yang sama, dan demikian pula sebaliknya Contoh 1:

Fungsi tujuan: maksimumkan z = 5 x1 + x2 + 3 x3

Setara dengan: minimumkan (-z) = -5 x1 – x2 – 3 x3

Kesetaraan berarti bahwa untuk sekelompok batasan yang Kesetaraan berarti bahwa untuk sekelompok batasan yang sama, nilai optimum x1, x2, dan x3 adalah sama dalam

kedua kasus tersebut (nilai fungsi tujuan sama secara

(21)

Latihan 1

Minimumkan z = 2 x1 + 3x2 Subject To

Subject To

x1 + x2 = 10

(22)

Latihan 1: Bentuk Standar

Min z – 2 x1’ + 2 x1” – 3 x2 = 0

Subject To: Subject To:

x1’ – x1” + x2 = 10

2 x1’ – 2 x1” – 3 x2 – s2 = 5

7 x1’ – 7 x1” – 4 x2 + s3 = 6

(23)

Pemecahan Dasar

Model LP standar memiliki m persamaan dan n variabel yang tidak diketahui

Pemecahan dasar yang berkaitan ditentukan dengan Pemecahan dasar yang berkaitan ditentukan dengan menetapkan n – m variabel sama dengan nol dan lalu

memecahkan m persamaan dengan m variabel sisanya, asalkan terdapat pemecahan yang dihasilkan dan pemecahan itu unik Dalam LP, n – m variabel yang ditetapkan sama dengan nol

sebagai non basic variables, dimana m variabel sisanya disebut sebagai basic variables

sebagai basic variables

(24)

Metode Simpleks Primal: Contoh Soal 1

max z = 3 X1 + 2 X2 Subject To:

Subject To:

1) X1 + 2 X2 ≤ 6

2) 2 X1 + X2 ≤ 8

3) X2 – X1 ≤ 1

4) X2 ≤ 2

5) X1, X2 ≥ 0

(25)
(26)

Metode Simpleks Primal: Bentuk Standar

m = 4 persamaan, n = 6 variabel

non basic

variables (nol) = 6 – 4 = 2

Pemecahan awal (starting solution)

X1 = 0 dan X2

Pemecahan awal (starting solution)

X1 = 0 dan X2

= 0

s1 = 6, s2 = 8, s3 = 1, s4 =2

Nilai tujuan: z = 3 X1 + 2X2

z – 3 X1 – 2 X2 = 0 z = 0

(27)

Kondisi Optimalitas

Variabel masuk (entering variable) dalam maksimisasi adalah non basic variable dengan koefisien yang paling negatif dalam persamaan z tujuan

Variabel masuk (entering variable) dalam minimisasi adalah non basic variable dengan koefisien yang paling positif dalam

persamaan z tujuan

Koefisien dengan nilai yang sama dapat dipilih secara sembarang

Nilai optimum dalam maksimimasi dicapai ketika semua

koefisien non basic variables dalam persamaan z adalah non

koefisien non basic variables dalam persamaan z adalah non negatif

(28)

Kondisi Kelayakan

Baik untuk masalah maksimisasi maupun minimisasi,

variabel keluar (leaving variable) adalah basic variable saat ini yang memiliki titik potong terkecil (rasio minimum

ini yang memiliki titik potong terkecil (rasio minimum dengan penyebut yang positif secara ketat) dalam arah variabel masuk

(29)

Langkah Iterasi Formal Metode Simpleks

Primal

1. Dengan menggunakan bentuk standar (dengan sisi kanan

semua non negatif), tentukan pemecahan dasar awal yang layak

yang layak

2. Pilih variabel masuk dari di antara variabel non dasar

dengan menggunakan kondisi optimalitas. Bila tidak

ditemukan variabel masuk, solusi optimal telah tercapai.

3. Pilih variabel keluar dari variabel dasar saat ini dengan

menggunakan kondisi kelayakan

4. Tentukan nilai variabel dasar yang baru dengan membuat 4. Tentukan nilai variabel dasar yang baru dengan membuat

(30)

Contoh Soal 1

Dasar z x1 x2 s1 s2 s3 s4 RHS

z 1 -3 -2 0 0 0 0 0 Fungsi Tujuan

s1 0 1 2 1 0 0 0 6 Batasan 1

s2 0 2 1 0 1 0 0 8 Batasan 2

s3 0 -1 1 0 0 1 0 1 Batasan 3

(31)

Simpleks Primal: Iterasi 0

Mengidentifikasi variabel masuk kolom masuk Menghitung rasio (RHS/kolom masuk)

z 1 -3 -2 0 0 0 0 0

Menghitung rasio (RHS/kolom masuk)

Mengidentifikasi variabel keluar persamaan pivot

(32)

Eliminasi Gauss-Jordan

Melakukan perubahan atas dasar penggunaan dua jenis perhitungan:

Persamaan pivot:

Semua persamaan lainnya, termasuk z:

pivot

persamaan =

baru)

(33)

Eliminasi Gauss-Jordan: Persamaan Pivot

Dasar z x1 x2 s1 s2 s3 s4 RHS

z s1

x1 masuk, s2 keluar Elemen pivot = 2

s1

x1 0 1 1/2 0 1/2 0 0 4

s3 s4

Elemen pivot = 2

(34)

Eliminasi Gauss-Jordan: Persamaan

lainnya

Persamaan pivot baru 0 1 1/2 0 1/2 0 0 4

Koefisien kolom masuk z -3

Persamaan z lama 1 -3 -2 0 0 0 0 0

PPB x KKM 0 -3 -3/2 0 -3/2 0 0 -12

Persamaan z baru 1 0 -1/2 0 3/2 0 0 12

Persamaan z baru

(35)

Eliminasi Gauss-Jordan: Persamaan

lainnya

Persamaan pivot baru 0 1 1/2 0 1/2 0 0 4

Koefisien kolom masuk s1 1

Persamaan s1 lama 0 1 2 1 0 0 0 6

PPB x KKM 0 1 1/2 0 1/2 0 0 4

Persamaan s1 baru 0 0 3/2 1 -1/2 0 0 2

Persamaan s1 baru

(36)

Eliminasi Gauss-Jordan: Persamaan

lainnya

Persamaan pivot baru 0 1 1/2 0 1/2 0 0 4

Koefisien kolom masuk s3 -1

Persamaan s3 lama 0 -1 1 0 0 1 0 1

PPB x KKM 0 -1 -1/2 0 -1/2 0 0 -4

Persamaan s3 baru 0 0 3/2 0 1/2 1 0 5

Persamaan s3 baru

(37)
(38)
(39)
(40)
(41)

Contoh Soal 3

Min z = 4x1 + x2

Subject to: Subject to:

3x1 + x2 = 3

4x1 + 3x2 ≥ 6

x1 + 2x2 ≤ 4

(42)

Contoh Soal 3: Bentuk Standar

Min z = 4x1 + x2

Subject to: Subject to:

3x1 + x2 = 3

4x1 + 3x2 – s2 = 6

x1 + 2x2 + s3 = 4

(43)

Contoh Soal 3: Bentuk Standar

Persamaan pertama dan kedua tidak memiliki variabel yang memainkan peran sebagai variabel slack

Menambahkan dua variabel buatan (artificial variable) ke Menambahkan dua variabel buatan (artificial variable) ke dalam kedua persamaan

(44)

Contoh Soal 3: Bentuk Standar

Min z = 4x1 + x2 + M R1 + M R2

atau

Min z - 4x1 - x2 - M R1 - M R2 = 0 Min z - 4x1 - x2 - M R1 - M R2 = 0

Subject to:

3x1 + x2 + R1 = 3

4x1 + 3x2 – s2 + R2 = 6

x1 + 2x2 + s3 = 4

(45)

Mengubah fungsi tujuan

3x1 + x2 + R1 = 3 R1 = 3 – 3x1 – x2

4x1 + 3x2 – s2 + R2 = 6 R2 = 6 – 4x1 – 3x2 + s2

z = 4x1 + x2 + M R1 + M R2

z = 4x1 + x2 + M(3 – 3x1 – x2) + M(6 – z = 4x1 + x2 + M(3 – 3x1 – x2) + M(6 –

4x1 – 3x2 + s2)

z = (4-7M)x1 + (1-4M)x2 + M s2 + 9M

(46)

Iterasi 0

Dasar z x1 x2 s2 R1 R2 s3 RHS

z 1 -4 + 7M -1 + 4M 0 0 0 0 9M

R1 0 3 1 0 1 0 0 3 1

R2 0 4 3 -1 0 1 0 6 1,5

s3 0 1 2 0 0 0 1 4 4

Rasio

(47)
(48)
(49)
(50)

Referensi

Dokumen terkait

Penelitian ini bertujuan untuk menemukan metode baru (yaitu metode simpleks fuzzy ) dalam menentukan solusi masalah pemrograman linear fuzzy dengan variabel

Penelitian ini bertujuan untuk menemukan metode baru (yaitu metode simpleks fuzzy ) dalam menentukan solusi masalah pemrograman linear fuzzy dengan variabel bilangan

 Jika selisih nilai mutlak diantara kedua variabel bebasnya tersebut signifikan positif maka variabel tersebut memoderasi hubungan antara variabel bebas dan variabel

Tentukan tujuan dan gambarkan dalam satu set fungsi linear dari Tentukan tujuan dan gambarkan dalam satu set fungsi linear dari variabel keputusan yang dapat berbentuk maksimum

Tujuan dari penelitian ini adalah mengetahui solusi optimal dari penyelesaian program linier menggunakan metode quick simpleks dua fase dan metode dua fase untuk kasus

Untuk metode modified simplex pada contoh kasus ini memiliki 5 iterasi, lebih sedikit jika dibandingkan dengan iterasi metode sequential linear goal programming dan solusi yang

Terlihat hasil pada tabel – tabel tersebut menampilkan yakni kemampuan pemecahan masalah matematis berdasar pada data hasil tes yang dilaksanakan oleh subjek mengartikan dari total 20

Dari hasil penilaian dalam paparan hasil angket respon siswa tahap kedua secara luas tersebut dapat diidentifikasi melalui modul pembelajaran matematika berbasis kontekstual