Aplikasi Linear Program (LP)
Aplikasi Linear Program (LP)
dalam Formulasi Ransum
dalam Formulasi Ransum
M.K. Teknik Formulasi Ransum dan Sistem Informasi Pakan
9
9 Model hubungan linear antara fungsi tujuan Model hubungan linear antara fungsi tujuan (objective function) dan keterbatasan (objective function) dan keterbatasan sumberdaya (resource constraints) serta sumberdaya (resource constraints) serta 9
9 Fungsi tujuan memaksimumkan keuntungan Fungsi tujuan memaksimumkan keuntungan
Linear Programming
Linear Programming
atau meimimumkan biaya atau meimimumkan biaya 9
9 Dapat menggunakan metode SimplekDapat menggunakan metode Simplek
Persamaan Matematis LP
Persamaan Matematis LP
Memaksimumkan atau Meminimumkan: Memaksimumkan atau Meminimumkan:
a.
a. Fungsi Tujuan :Fungsi Tujuan : Z = cZ = c11xx11+ c+ c22xx22+ ….+c+ ….+cnnxxnn b.
b. Fungsi Kendala :Fungsi Kendala : aa1111xx1111+ a+ a2121xx2121+ …. + a+ …. + an1n1xxn1n1>> bb11 b.
b. Fungsi Kendala :Fungsi Kendala : aa1111xx1111 a a2121xx2121 …. a …. an1n1xxn1n1 bb11 a a1212xx1212+ a+ a2222xx2222+ …. + a+ …. + an2n2xxn2n2>> bb22 :: :: :: :: a a1m1mxx1m1m+ a+ a2m2mxx2m2m+ …. + a+ …. + anmnmxxnmnm>> bbmm c. c. AsumsiAsumsi xx11, x, x22, …., x, …., xnn>> 00
Persamaan Matematis LP
Persamaan Matematis LP
Minimumkan (minimized) Minimumkan (minimized) n n Z Zjj= = ΣΣ ccjjxxjj j=1 j=1 Faktor pembatas : Faktor pembatas : nn Σ Σ aaijijxxijij >>bb11 j=1 j=1 dan x dan x11, x, x22, .. , x, .. , xnn>> 00Persamaan Matematis LP
Persamaan Matematis LP
Maksimumkan (maximized) Maksimumkan (maximized) n n Z Zjj= = ΣΣ ccjjxxjj j=1 j=1 Faktor pembatas : Faktor pembatas : nn Σ Σ aaijijxxijij <<bb11 j=1 j=1 dan x dan x11, x, x22, .. , x, .. , xnn>> 00Persyaratan LP
Persyaratan LP
a.a. LP harus memiliki fungsi tujuan (LP harus memiliki fungsi tujuan (objective functionobjective function) ) berupa garis lurus dengan persamaan fungsi Z atau berupa garis lurus dengan persamaan fungsi Z atau f(Z), c adalah
f(Z), c adalah cost coefficientcost coefficient
b
b Harus ada kendala (Harus ada kendala (constraintsconstraints) yang dinyatakan) yang dinyatakan b.
b. Harus ada kendala (Harus ada kendala (constraintsconstraints), yang dinyatakan ), yang dinyatakan garis lurus, dimana a = koefisien input
garis lurus, dimana a = koefisien input--output dan b output dan b = jumlah sumberdaya tersedia
= jumlah sumberdaya tersedia c.
c. Nilai X adalah positif atau sama dengan nol. Tidak Nilai X adalah positif atau sama dengan nol. Tidak boleh ada nilai X yang negatif.
Linear Programming
Linear Programming
SDM
SDM BahanBahan KeuntunganKeuntungan
PRODUK
PRODUK (jam/unit)(jam/unit) (kg/unit)(kg/unit) (Rp/unit)(Rp/unit)
KEBUTUHAN SUMBERDAYA KEBUTUHAN SUMBERDAYA A A 11 44 40.00040.000 B B 22 33 50.00050.000
Tersedia 40 jam tenaga kerja dan 120 kg bahan yang Tersedia 40 jam tenaga kerja dan 120 kg bahan yang tersedia setiap hari
tersedia setiap hari Variabel: Variabel:
x
x11= jumlah produk A yang diproduksi= jumlah produk A yang diproduksi
x
x22= jumlah produk B yang diproduksi= jumlah produk B yang diproduksi
Fungsi Tujuan (Objective Function)
Fungsi Tujuan (Objective Function)
Pembatasan (Constraints)
Pembatasan (Constraints)
Maximize Maximize ZZ = Rp 40.000 = Rp 40.000 xx11+ Rp 50.000 + Rp 50.000 xx22 Subject to Subject to xx ++ 22xx ≤ ≤ 40 jam40 jam (pembatas TK)(pembatas TK) x
x11++ 22xx22 ≤ ≤ 40 jam40 jam (pembatas TK)(pembatas TK) 4
4xx11++ 33xx22 ≤ ≤ 120 kg120 kg (pembatas bahan)(pembatas bahan) x
x1 1 , , xx22≥ ≥ 00 Solusinya
Solusinya xx11= 24 unit produk A= 24 unit produk A
x
x2 2 = 8 unit produk B= 8 unit produk B
Keuntungan = Rp 1.360.000, Keuntungan = Rp
1.360.000,--Metode Grafik
Metode Grafik
1.1. Plot model faktor pembatas dalam sebuah Plot model faktor pembatas dalam sebuah grafik
grafik 2.
2. Identifikasi solusi yang feasibel dimana Identifikasi solusi yang feasibel dimana yy gg setiap pembatas dapat terpenuhi setiap pembatas dapat terpenuhi 3.
3. Plot fungsi tujuan untuk titik untk Plot fungsi tujuan untuk titik untk mendapatkan fungi tujuan maksimum mendapatkan fungi tujuan maksimum atau minimum atau minimum
Grafik
Grafik
4 4 xx11+ 3 + 3 xx2 2 ≤ ≤ 120 kg120 kg 50.000 50.000 – 40.000 40.000 – 30.000 30.000 – xx22 x x11+ 2 + 2 xx2 2 ≤ ≤ 40 jam40 jamDaerah yang feasible Daerah yang feasible
20.000 20.000 – 10.000 10.000 – 0 0 – | 10.000 10.00020.00020.000| 30.00030.000| 40.00040.000| 50.00050.000| 60.00060.000| xx11
Ploting Fungsi Tujuan
Ploting Fungsi Tujuan
40.000 40.000 – 30.000 30.000 – Rp 800.000 = 40.000 Rp 800.000 = 40.000xx11+ 50.000+ 50.000xx22 x x22 20.000 20.000 – 10.000 10.000 – 0 0 – Optimal point Optimal point B B | 10.000 10.000 | 20.000 20.000 | 30.000 30.000 | 40.000 40.000 xx 1 1
Perhitungan Nilai Optimal
Perhitungan Nilai Optimal
x x11++ 22xx22 == 4040 4 4xx11++ 33xx22 == 120120 4 4xx11++ 88xx22 == 160160 4 4xx11+ 3+ 3xx2 2 = 120= 120 x x22 40.000 40.000 – 30.000 30.000 – Z Z = Rp 50.000 (24) + Rp 50.000 (8)= Rp 50.000 (24) + Rp 50.000 (8) Z Z = Rp 1.360.000,= Rp 1.360.000,----44xx11 -- 33xx22 == --120120 5 5xx22 == 4040 x x22 == 88 x x11++ 2(8)2(8) == 4040 x x11 == 2424 A A
..
BB C C x x11+ 2+ 2xx2 2 = 40= 40 | 10.000 10.000 xx11 20.000 20.000 – 10.000 10.000 – 0 0 – | 20.000 20.000 | 30.000 30.000 | 40.000 40.000Titik Ekstrim
Titik Ekstrim
x x11= 24 unit A= 24 unit A x x22== 8 unit B8 unit B x x11= 0 unit A= 0 unit A x x2 2 == 20 unit B20 unit B Z Z = Rp 1.000.000= Rp 1.000.000 x x22 40.000 40.000 – xx 2 2 8 unit B8 unit B Z Z = Rp 1.360.000= Rp 1.360.000 x x11= 30 unit A= 30 unit A x x2 2 == 0 unit B0 unit B Z Z = Rp 1.200.000= Rp 1.200.000 A A B B C C | 20.000 20.000 | 30.000 30.000 | 40.000 40.000 | 10.000 10.000 xx11 30.000 30.000 – 20.000 20.000 – 10.000 10.000 – 0 0 –Aplikasi LP dengan QM
Aplikasi LP dengan QM
Aplikasi LP dengan QM
Aplikasi LP dengan QM -- Solution
Solution
Aplikasi LP dengan QM
Aplikasi LP dengan QM -- Iterasi
Iterasi
Sensitivity Analysis
Sensitivity Analysis
;; How sensitive the results are to How sensitive the results are to parameter changes
parameter changes
;
; Change in the value of coefficientsChange in the value of coefficientsgg ;
; Change in a rightChange in a right--handhand--side value of a side value of a constraint
constraint
;
; TrialTrial--andand--error approacherror approach
;
; Analytic postoptimality methodAnalytic postoptimality method
Kasus I: Memaksimumkan
Kasus I: Memaksimumkan
Produksi Ransum Ternak
Produksi Ransum Ternak
;
; Sebuah industri pakan memproduksi 3 Sebuah industri pakan memproduksi 3 macam produk, yaitu Ransum A, macam produk, yaitu Ransum A, Ransum B dan Ransum C Waktu yang Ransum B dan Ransum C Waktu yang Ransum B dan Ransum C. Waktu yang Ransum B dan Ransum C. Waktu yang diperlukan memproduksi ketiga ransum diperlukan memproduksi ketiga ransum berbeda
berbeda--beda (Tabel 1), dengan tingkat beda (Tabel 1), dengan tingkat keuntungan masing
keuntungan masing--masing Rp 550.000, masing Rp 550.000, Rp 600.000,
Tabel 1.
Tabel 1.
Waktu Prosesing dan Waktu yang
Waktu Prosesing dan Waktu yang
Tersedia untuk Memproduksi Ransum
Tersedia untuk Memproduksi Ransum
Ransum A Ransum B Rasum C Ransum A Ransum B Rasum C
Waktu / Ton (min) Waktu / Ton (min) Tahapan Tahapan Prosesing Prosesing Kapasitas Waktu Kapasitas Waktu Tersedia (min) Tersedia (min) Grinding 10 15 15 180 Grinding 10 15 15 180 Mixing 8 7 8 140 Mixing 8 7 8 140 Pelleting Pelleting 20 15 20 240 20 15 20 240 Keuntungan 550 600 650 Keuntungan 550 600 650 (Rp ribuan) (Rp ribuan)
Permasalahan
Permasalahan
;; Berapa ton produksi masingBerapa ton produksi masing--masing Ransum A, B dan C yang masing Ransum A, B dan C yang harus diproduksi oleh Industri harus diproduksi oleh Industri Pakan tsb?
Pakan tsb? Pakan tsb? Pakan tsb?
;
; Berapa keuntungan maksimum Berapa keuntungan maksimum yang diperoleh industri pakan ? yang diperoleh industri pakan ?
Model Matematis
Model Matematis
Produksi Ransum Ternak
Produksi Ransum Ternak
Fungsi Tujuan : Fungsi Tujuan : Maximize Z = 550 A + 600 B + 650 C Maximize Z = 550 A + 600 B + 650 C Faktor Kendala : Faktor Kendala : Faktor Kendala : Faktor Kendala : 10 A + 15 B + 15 C 10 A + 15 B + 15 C << 180 180 8 A + 7 B + 8 C 8 A + 7 B + 8 C << 140 140 20 A + 15 B + 20 C 20 A + 15 B + 20 C << 240 240 Asumsi: Asumsi: A, B dan C A, B dan C >> 00
Solution using QM
Solution using QM
Produksi Produksi Ransum A Ransum A Produksi Produksi Ransum B Ransum BSolusi
Solusi
;; Produksi RansumProduksi Ransum
Produksi Ransum A = 6 ton/hari Produksi Ransum A = 6 ton/hari Produksi Ransum B = 8 ton/hari Produksi Ransum B = 8 ton/hari Ransum C tidak diproduksi Ransum C tidak diproduksi Ransum C tidak diproduksi Ransum C tidak diproduksi Total Produksi 14 ton/hari Total Produksi 14 ton/hari
;
; Keuntungan Total Perusahaan Keuntungan Total Perusahaan
Rp 8.100.000/hari Rp 8.100.000/hari
Kasus II: Meminimumkan
Kasus II: Meminimumkan
Biaya Transportasi
Biaya Transportasi
;
; Sebuah industri pakan memiliki 2 buah PABRIK Sebuah industri pakan memiliki 2 buah PABRIK yang berlokasi di Pasuruan dan Malang, dengan yang berlokasi di Pasuruan dan Malang, dengan produksi masing
produksi masing--masing 120 dan 140 masing 120 dan 140 ton/minggu.
ton/minggu.
;
; Produk ransum tersebut distribusi ke Sidoarjo, Produk ransum tersebut distribusi ke Sidoarjo, Surabaya dan Jakarta, masing
Surabaya dan Jakarta, masing--masing kota masing kota tersebut kebutuhannya minimal 100, 60 dan 80 tersebut kebutuhannya minimal 100, 60 dan 80 ton/minggu.
ton/minggu.
;
; Biaya pengiriman pada masingBiaya pengiriman pada masing--masing lokasi masing lokasi diperlihatkan pada Tabel 2.
Tabel 2.
Tabel 2.
Biaya per ton Pengiriman Barang ke
Biaya per ton Pengiriman Barang ke
Tempat Tujuan
Tempat Tujuan
Sidoarjo (X
Sidoarjo (X11) Surabaya (X) Surabaya (X22) Jakarta (X) Jakarta (X33))
Gudang Gudang Pabrik Pabrik Pasuruan 50 Pasuruan 50 7070 190190 Pasuruan 50 Pasuruan 50 7070 190190 Malang 60 Malang 60 8080 200200 ;
; Sebuah industri pakan memiliki 2 buah PABRIK yang berlokasi di Sebuah industri pakan memiliki 2 buah PABRIK yang berlokasi di Pasuruan dan Malang, dengan produksi masing
Pasuruan dan Malang, dengan produksi masing--masing 120 dan masing 120 dan 140 ton/minggu.
140 ton/minggu.
;
; Produk ransum tersebut distribusi ke Sidoarjo, Surabaya dan Produk ransum tersebut distribusi ke Sidoarjo, Surabaya dan Jakarta, masing
Jakarta, masing--masing kota tersebut kebutuhannya minimal 100, masing kota tersebut kebutuhannya minimal 100, 60 dan 80 ton/minggu.
60 dan 80 ton/minggu.
;
; Biaya pengiriman pada masingBiaya pengiriman pada masing--masing lokasi diperlihatkan pada masing lokasi diperlihatkan pada Tabel 2.
Tabel 2.
Permasalahan
Permasalahan
;
; Berapa ton/minggu produksi Berapa ton/minggu produksi ransum di masing
ransum di masing--masing Pabrik masing Pabrik Pasuruan dan Malang ?
Pasuruan dan Malang ?
;
; Kemana saja produksi ransum Kemana saja produksi ransum kedua pabrik tersebut dikirim dan kedua pabrik tersebut dikirim dan berapa ton/minggu ?
berapa ton/minggu ?
;
; Berapa biaya tranportasi yang Berapa biaya tranportasi yang minimum ?
minimum ?
Model Matematis
Model Matematis
Biaya Transportasi Ransum
Biaya Transportasi Ransum
Fungsi Tujuan : Fungsi Tujuan : Minimize Z = 50 X Minimize Z = 50 X1111+ 70 X+ 70 X1212+ 190 X+ 190 X1313+ 60 X+ 60 X2121+ 80 X+ 80 X2222+ 200 X+ 200 X2323 Faktor Kendala : Faktor Kendala : X
X1111+ X+ X1212+ X+ X1313<< 120 (Produksi Pabrik Pasuruan)120 (Produksi Pabrik Pasuruan)
X
X2121+ X+ X2222+ X+ X2323<< 140 (Produksi Pabrik Malang)140 (Produksi Pabrik Malang)
X
X1111+ X+ X2121>> 100 (Jumlah Ransum dikirim ke Sidoarjo)100 (Jumlah Ransum dikirim ke Sidoarjo)
X
X1212+ X+ X2222>> 60 (Jumlah Ransum dikirim ke Surabaya)60 (Jumlah Ransum dikirim ke Surabaya)
X
X1313+ X+ X2323>> 80 (Jumlah Ransum dikirim ke Jakarta)80 (Jumlah Ransum dikirim ke Jakarta)
Asumsi: Asumsi: X X1111, X, X1212, X, X1313, X, X2121, X, X2222, X, X2323>> 00
Aplikasi QM
Aplikasi QM
Solution using QM
Solution using QM
Solusi
Solusi
;; Produksi Pabrik Pasuruan 120 ton/mgProduksi Pabrik Pasuruan 120 ton/mg
dikirim ke Surabaya 50 ton/mg dikirim ke Surabaya 50 ton/mg dikirim ke Jakarta 70 ton/mg dikirim ke Jakarta 70 ton/mg
;
; Produksi Pabrik Malang 110 ton/mgProduksi Pabrik Malang 110 ton/mg
;
; Produksi Pabrik Malang 110 ton/mgProduksi Pabrik Malang 110 ton/mg
dikirim ke Sidoarjo 100 ton/mg dikirim ke Sidoarjo 100 ton/mg dikirim ke Surabaya 10 ton/mg dikirim ke Surabaya 10 ton/mg
;
; Biaya transportasi totalBiaya transportasi total
Rp 23.600.000,
Linear Programming
Linear Programming
--Minimization
Minimization
Unit Nutrient/Unit Feed
Nutrient Ingred X1 Ingred X2 Requiremt
Calcium 1 1 10
Calcium 1 1 10
Protein 3 1 15
Calories 1 6 15
Cost per Unit of Feed Rp 1.000,- Rp
2.000,-Minimization Model
Minimization Model
• Minimize cost = 1.000 X1+ 2.000 X2 • Subject to: 1X + 1X >=10 (Calcium) 1X1+ 1X2>=10 (Calcium) 3X1+1X2>=15 (Protein) 1X1+6X2>=15 (Calories) • And X1>=0, X2>=0 10 15 1X1+ 1X2= 10 (Calsium) X2 3X1+ 1X2= 15 (Protein) Feasible Region (0,15) (2.5,7.5) 5 5 10 15 ( ) X1 1X1+ 6X2 = 15 (Calories) (9,1) (15,0) 10 15 X2 Feasible Region (0,15) (2.5,7.5) Cost =1.000 X1+ 2.000 X2 5 5 10 15 X1 (9,1) (15,0) 1 2 = Rp 1.000 (9) + Rp 2.000 (1) = Rp 11.000,-SOLUTIONFormulasi Ransum
Formulasi Ransum
• Susunlah ransum ayam broiler daribahan makanan berikut: Jagung, Dedak Halus, CGM, Tepung Ikan, , , p g , CPO, CaCO3, DCP
• Kandungan Nutrien: EM 3100 kkal/kg, CP 21%, Ca 0.9%, P 0,45% • Minimize cost = 1500 JG + 1000 DH + 5100 CGM + 6000 TI + 4750 CPO + 200 CC + 2500 DCP • Subject to: – 8 JG + 11.32 DH + 64 CGM + 55 TI > 21 (Protein) – 3300 JG + 3100 DH + 3500 CGM + 2853 TI + 7500 CPO > 3100 ( )
Persamaan Matematik:
Persamaan Matematik:
(EM) – 0.02 JG + 0.07 DH + 0.05 CGM + 7.19 TI + 40 CC + 22.7 DCP > 0.9 (Ca) – 0.28 JG + 1.50 DH + 0.50 CGM + 2.88 TI + 17.68 DCP > 0.45 (P) – JG + DH + CGM + TI + CPO + CC + DCP = 1 • and JG, DH, CGM, TI, CPO, CC, DCP > 0Formulasi Ransum dengan QM
Formulasi Ransum dengan QM
Formulasi Ransum dengan QM
Formulasi Ransum dengan QM
Changes in Resources
Changes in Resources
;; The The rightright--handhand--sidesidevalues of values of constraint equations may change constraint equations may change as resource availability changes as resource availability changes
;
; The The shadow priceshadow priceof a constraint is of a constraint is the change in the value of the the change in the value of the objective function resulting from a objective function resulting from a one
one--unit change in the rightunit change in the right--hand hand--side value of the constraint side value of the constraint
Changes in Resources
Changes in Resources
;; Shadow prices are often explained Shadow prices are often explained as answering the question
as answering the question “How “How much would you pay for one much would you pay for one additional unit of a resource?” additional unit of a resource?” additional unit of a resource? additional unit of a resource?
;
; Shadow prices are only valid over a Shadow prices are only valid over a particular range
particular rangeof changes in of changes in right
right--handhand--side valuesside values
;
; Sensitivity reportsSensitivity reportsprovide the provide the
upper and lower limits of this range upper and lower limits of this range
Changes in the
Changes in the
Objective Function
Objective Function
;; A change in the A change in the coefficients in the coefficients in the objective function
objective functionmay cause a may cause a different corner point to become the different corner point to become the different corner point to become the different corner point to become the optimal solution
optimal solution
;
; The sensitivity report shows how The sensitivity report shows how much objective function coefficients much objective function coefficients may change without changing the may change without changing the optimal solution point
optimal solution point
QM for Window
QM for Window
QM for Windows
QM for Windows
• QM for Windows is a package for quantitative methods, management science, or operations research, p
The Program Group
The Program Group
• The installation program will add aprogram group with seven options to the Start Menu.
.