OUTLINE
BENTUK STANDARD
LINEAR
PROGRAMMING
BENTUK STANDARD
LINEAR
PROGRAMMING
DEFINISI DASAR
BASIS FEASIBLE SOLUTION
DEFINISI DASAR
BASIS FEASIBLE SOLUTION
BASIC FEASIBLE SOLUTION
BASIC FEASIBLE SOLUTION
Tambahan:
Mencari Inverse Matriks
Tambahan:
TUJUAN
Memahami konsep matriks basis dan
inverse
BENTUK STANDARD
5
Linear Programming
dalam bentuk standar
Z = c1x1 + c2x2 + … + cnxn
a11x1 + a12x2 + … + a1nxn = b1 a21x1 + a22x2 + … + a2nxn = b2 .
. .
am1x1 + am2x2 + … + amnxn = bm
x1≥0, x2≥0,…, xn≥0
b1≥0, b2≥0,…, bm≥0 dengan pembatas
6
Ciri-ciri LP dalam bentuk
standar
•
Fungsi tujuan
memaksimumkan
atau meminimumkan
•
Semua pembatas
dinyatakan
dalam
persamaan
•
Semua
variabel keputusan
dibatasi sebagai
tak negatif
•
Konstanta ruas kanan
untuk tiap
7
Ciri-ciri LP dalam bentuk
standar
Z = c1x1 + c2x2 + … + cnxn
a11x1 + a12x2 + … + a1nxn = b1 a21x1 + a22x2 + … + a2nxn = b2 .
. .
am1x1 + am2x2 + … + amnxn = bm
x1≥0, x2≥0,…, xn≥0
b1≥0, b2≥0,…, bm≥0 dengan pembatas
Memaksimumkan (Meminimumkan)
1
2
3
8
Notasi matriks-vektor (1)
Z = cx
Maks (Min)
Ax = b x ≥ 0 b ≥ 0
dgn pembatas
A : matriks (m x n)
x : vektor kolom (n x 1)
b : vektor kolom (m x 1)
9
Notasi matriks-vektor (2)
10
Reduksi ke bentuk standar
•
Metode simpleks untuk memecahkan
masalah LP memerlukan bahwa
masalah dinyatakan dalam bentuk
standar.
•
Tidak semua masalah LP dalam
bentuk standar
– Pembatas pertidaksamaan (inequality
constraint).
– Variabel yang tak dibatasi tanda
11
Pembatas pertidaksamaan
(1)
•
Karena bentuk standar memerlukan
semua pembatas harus dinyatakan
dengan dalam persamaan,
pembatas pertidaksamaan harus
diubah ke persamaan
.
•
Ini dilakukan dengan
penambahan
variabel
baru untuk menunjukkan
slack
antara ruas kiri dan kanan
pada tiap pertidaksamaan.
•
Variabel baru tersebut disebut
slack
12
Pembatas pertidaksamaan
(2)
2x1 + 5x2 ≥ 18 2⇒ x1 + 5x2 – x4 = 18 x4 ≥ 0
13
Variabel yang tak dibatasi
tanda (1)
•
Dalam LP, adakalanya terdapat
nilai
variabel yang tak dibatasi tanda
(positif atau negatif)
•
Karena bentuk standar LP
memerlukan semua variabel adalah
tak negatif, maka variabel yang tak
dibatasi tanda
diganti dengan
14
Variabel yang tak dibatasi
tanda (2)
x1 + x5 = 50
x1 ≥ 0
x5 tak dibatasi tanda/ unrestricted
x5 = x6 – x7
x1 + x6 – x7 = 50
DEFINISI DASAR
16
Defnisi dasar (1)
•
Suatu solusi layak (
feasible solution
)
adalah suatu vektor tak negatif
x
yang memenuhi persamaan
Ax = b.
•
Daerah layak (
feasible region
),
dinyatakan dengan
S
, adalah
himpunan dari semua solusi layak
yang mungkin. Secara matematis,
S
= {
x
|
Ax
=
b
,
x
≥ 0}
Jika himpunan layak
S
adalah
17
Defnisi dasar (2)
• Suatu solusi optimal (optimal solution)
adalah suatu vektor x* yang layak dan nilai fungsi tujuannya (cx*) lebih besar dari
semua solusi layak yang lain. Secara matematis,
x* adalah optimal x* S dan cx* ≥
cx, x S
• Nilai optimal (optimal value) dari masalah
LP adalah nilai fungsi tujuan yang
berkaitan dengan solusi optimal. Jika Z*
18
Defnisi dasar (3)
• Jika suatu LP mempunyai lebih dari satu
solusi optimal maka LP disebut
mempunyai solusi optimal alternatif (alternate optimal solution).
• Solusi optimal dari masalah LP dikatakan unik (unique optimum) jika hanya terdapat tepat satu solusi optimal.
• Jika suatu masalah LP tidak mempunyai
optimum tertentu (finite optimum), yaitu maks. Z +, maka LP dikatakan
20
Pemecahan Sistem
Persamaan Linier (1)
•
Permasalahan matematis utama
dalam pemrograman linier adalah
mendapatkan solusi dari suatu
sistem persamaaan linier yang
memaksimumkan atau
meminimumkan suatu fungsi tujuan
linier.
•
Sistem persamaan linier dapat
diselesaikan dengan menggunakan
prosedur klasik
Gauss-Jordan
21
Pemecahan Sistem
Persamaan Linier (2)
x1 – 2x2 + x3 – 4x4 + 2x5 = 2
x1 – x2 – x3 – 3x4 – x5 = 4
Sistem dengan dua persamaan dengan lima variabel yang tak diketahui
• Karena terdapat lebih banyak jumlah variabel yang tak
diketahui daripada persamaan, maka sistem mempunyai lebih dari satu solusi.
• Himpunan dari semua solusi yang mungkin dari sistem
22
Pemecahan Sistem
Persamaan Linier (3)
•
Sistem ekivalen (
equivalent
system
)
– Dua sistem persamaan dikatakan
ekivalen jika kedua sistem mempunyai himpunan solusi yang sama.
•
Metode untuk memecahkan suatu
sistem persamaan adalah
23
Pemecahan Sistem
Persamaan Linier (4)
•
Terdapat dua tipe operasi baris
elementer untuk mendapatkan
sistem ekivalen
– Mengalikan sembarang persamaan
dalam sistem dengan suatu bilangan positif atau negatif.
– Menambahkan ke sembarang
24
Pemecahan Sistem
Persamaan Linier (5)
x1 – 2x2 + x3 – 4x4 + 2x5 = 2
x2 – 2x3 + x4 – 3x5 = 2
x1 – x3 – 2x4 – 4x5 = 6
x2 – 2x3 + x4 – 3x5 = 2 (S2)
(S3)
x1 – 2x2 + x3 – 4x4 + 2x5 = 2
25
Pemecahan Sistem
Persamaan Linier (6)
•
Sistem
S
1,
S
2dan
S
3adalah ekivalen,
yaitu solusi bagi satu sistem secara
otomatis memberikan solusi bagi
sistem yang lain.
•
Untuk sistem
S
3,
x
4=
x
5=
x
6= 0
akan memberikan
x
1= 6,
x
2= 2.
•
Sistem
S
3disebut sistem kanonik
(
canonical system
).
•
Variabel
x
1dan
x
2dari sistem kanonik
26
Pemecahan Sistem
Persamaan Linier (7)
• Variabel basis (basic variable)
– Variabel xi dikatakan sebagai variabel basis jika dalam suatu persamaan ia muncul dengan
koefsien satu pada persamaan tersebut, dan nol pada persamaan yang lain.
• Variabel non basis (nonbasic variable) – Variabel yang bukan variabel basis.
• Operasi pivot (pivot operation)
– Suatu urutan operasi elementer yang
27
Pemecahan Sistem
Persamaan Linier (8)
•
Solusi basis (
basic solution
)
– Solusi yang diperoleh dari suatu sistem
kanonik dengan menetapkan nilai
variabel non basis sama dengan nol dan memecahkan variabel basis.
•
Solusi basis layak (
basic feasible
solution
)
– Solusi basis dimana nilai variabel
28
Pemecahan Sistem
Persamaan Linier (9)
•
Dengan
m
pembatas dan
n
variabel,
jumlah maksimum dari solusi basis
bagi LP dalam bentuk standar adalah
terbatas dan diberikan oleh
!
!
!
m
n
m
n
m
n
•
Per defnisi, setiap solusi basis layak
adalah solusi basis, maka jumlah
29
Pemecahan Sistem
Persamaan Linier (10)
• Dari kesimpulan dengan metode grafs: – Jika terdapat suatu solusi optimal dari model
LP, salah satu titik pojok (corner point) dari daerah layak adalah solusi optimal.
• Dengan mudah dapat ditunjukkan bahwa
setiap titik pojok dari daerah layak
berkaitan dengan suatu solusi basis layak dari persamaan pembatas.
• Ini berarti bahwa suatu solusi optimal dari
30
Pemecahan Sistem
Persamaan Linier (11)
• Pendekatan naif (naïve approach) untuk
memecahkan masalah LP (yang
mempunyai solusi optimal) dilakukan dengan membangkitkan semua solusi
basis layak yang mungkin dengan sistem kanonik dan menentukan solusi basis
layak mana yang memberikan nilai fungsi tujuan terbaik.
• Dengan metode simpleks (simplex
BASIC SOLUTION OF
SYSTEM
•
Jika fungsi pembatas adalah
A
x =
B
,
maka solusinya adalah
dengan
XN XB
x
dan
0XN
•
Jika x
B≥ 0, maka x disebut
BASIC
FEASIBLE SOLUTION
dari sistem
tersebut.
•
B
=
basic
matrix (basis)
•
N =
nonbasic
matrix
•
Komponen x
Bdisebut variabel basis/
variabel
dependent
•
Komponen x
Ndisebut variabel
Contoh Kasus (1)
•
Fungsi pembatas sebagai berikut:
x
1+ x
2≤ 6
x
2≤ 3
Contoh Kasus (2)
•
Bentuk standard:
Contoh Kasus (3)
•
Matriks Pembatas
A
= [a
1, a
2, a
3, a
4]
1
0
1
0
0
1
1
1
•
Basis yang mungkin:
Contoh Kasus (3)
•
Poin 1, 2, 3, dan 5 merupakan
basic
feasible solution
•
Poin 4 merupakan solusi basis yang
tidak
feasible
Tambahan:
Matrik Invers
Suatu bilangan jika dikalikan dengan
kebalikannya, maka hasilnya adalah 1.
Misalkan 5.5-1 atau 5-1.5 = 1, Demikian juga
halnya dengan matrik A.A-1 = A-1.A = I
Maka :
Jika tidak ditemukan matrik A-1, maka A
disebut matrik tunggal (singular)
-1
2 -5
3 5
A
A
-1 3
1 2
-1 -1
1 0
AA
A A
0 1
Invers matrik 2 x 2 :
Maka , A-1 diperoleh dengan rumus :
1. A.A-1 = I
2. 3.
Jika ad – bc = 0, maka matrik A non-invertibel
a b
A
dapat di invers jika ad - bc
0
c d
A I I A
OBE
-1
-1 1
A adj(A)
A
1) Mencari invers dengan defnisi
Langkah-langkahnya :
Dibuat suatu matrik invers dengan
elemen-elemen matrik permisalan sehingga mendapatkan suatu
persamaan jika dilakukan perkalian dengan matriknya.
Perkalian matrik dengan matrik
inversnya menghasilkan matrik identitas
Dilakukan penyelesaian persamaan
melalui eliminasi ataupun substitusi sehingga diperoleh nilai
elemen-elemen matrik invers.
2) Mencari invers dengan OBE (Operasi Baris Elementer)
Langkah-langkah :
Dilakukan OBE pada hingga
diperoleh
dengan memperhatikan defnisi operasi berikut:
A I I A
OBE
-1
A I
I A-1
ij
i
ij i j
b menukar baris ke i dengan baris ke j b (p) mengalikan baris ke i dengan p 0 b (p) b pb
ganti baris ke i dengan baris baru yang merupakan baris ke i ditambah dengan
Matriks Elementer: (E)
Matriks A(nxn) disebut elementer bila dengan sekali melakukan Operasi Baris Elementer (OBE) terhadap matriks identitas In.
A = EA
= . A
Contoh :
E = matrik elementer, maka EA = matrik baru yang terjadi bila OBE tersebut
dilakukan pada matrik A. OBE
Notasi sebagai
Tunjukkan bahwa matrik adalah perkalian
matrik elementer ! Jawab :
Dari penyelesaian dengan OBE yang
menghasilkan matrik identitas, maka matrik A adalah matrik invertible
Dengan demikian, matrik A dapat dituliskan sebagai hasil kali dari matrik elementer.
2 3 A
1 3
2
2 3 1 3 1 3
1 3 2 3 0 -3
1 0 1 0
I
0 -3 0 1
B12 B
21(-2) B12(1)
Kita memiliki E4E3E2E1A = I dengan :
Matrik elementer ini menyatakan operasi
baris elementer untuk membentuk matrik A menjadi matrik identitas.
Dengan demikian :
3) Mencari Invers dengan Matrik Adjoint
Langkah-langkah :
Hitung
Cari matrik adjoint dengan terlebih
dahulu menentukan matrik kofaktor.
Matrik adjoint merupakan matrik
transpose dari matrik kofaktor.
Matrik invers diperoleh dengan
mengkalikan matrik adjoint dengan seper-determinan
|A| ≠ 0 -1 1
A adj(A)
A
Matrik kofaktor dan matrik adjoint
11 12
21 22
a a
A
a a
Jika baris ke i dan kolom j dibuang, maka disebut minor ke ij dari matrik A.
Kofaktor ke ij dari matrik A adalah :
i j
A
ij ij
M
A
i+j
ij ij
11 12
Matrik kofaktor dari A adalah :
Matrik adjoint merupakan matrik transpose dari matrik kofaktor.
22 21
12 11
a -a
K
-a a
Sehingga diperoleh matrik kofaktor A :
T
22 21 22 12
T
12 11 21 11
a -a
a -a
adj (A) K
-a a
-a a
Matrik Adj (A) dari A2x2 =
Contoh soal :
1. Carilah matrik invers dari :
Jawab : Cara 1) Misalkan :
3a 7c 3b 7d
1 0
2a 5c 2b 5d
0 1
3a 7c 1 3b 7d
0
2a 5c
0 2b 5d 1
3a 7c 1 x 2 6a 14c 2
2a 5c 0 x 3 6a 15c 0
-c 2
c -2
2a 5c 0
2a 5c 10
a 5
3b 7d 0 x2 6b 14d 0 2b 5d 1 x3 6b 15d 3 d 3 d 3
2b 5d 1 b 7
1
a b
5 7
A
c d
2 3
Cara 3) :
-1
-1
1
A
adj(A)
A
a b
d -b
Untuk matrik A
, maka adj(A)
c d
-c a
5 7
5 7
1
A
2 3
2 3
1
2. Cari matrik invers dengan OBE dari matrik berikut :
3. Tentukan A-1 dan B-1 pada matrik berikut
ini :
1 2 12 15
A dan B
3 4 4 5
A 1(4) 2(3) 2 0, m aka A m em iliki invers
-1 1
A a d j ( A )
A
2 1
4 2
1
3 1
3 1 2
2 2
Invers matrik 3 x 3
Sama seperti mencari invers matrik 2 x 2, hanya diperlukan ketelitian yang lebih
dibandingkan mencari invers matrik 2 x 2.
a b c
A
d e f
g h i
Contoh soal :
0 1 2 Tentukan invers matrik A 1 0 3
4 -3 8
-1
1 1 1 2 1 3
Jawab:
1 A
(0( 1) (0 ( 9)) 1( 1) (8 12) 2( 1) ( 3 0))
(0 9) (8 6) (3 0)
x (8 12) (0 8) (0 2)
( 3 0) (0 4) (0 1)
-1
9 14 3
1
x 4
8 2
( 2)
3 4 1
9
7
3
2
2
A
2 4 1
3
2
1
2
2
Carilah invers dari A =
1 2 3
2 3
1
4 4
2
Jawab :C11 = M11 = - 5 C12 = - M12 = 1
C13 = M13 = 1 C21 = - M21 = 4 C22 = M22 = - 2 C23 = - M23 = 0
C31 = M31 = - 4 C32 = - M32 = 0
Carilah invers dari B =
Cari matrik invers dari
Jawab :
A I I A
OBE
-1
B21 (-2)
B31(1)
B32(1) Karena elemen baris
ke 3 pada matrik kiri semua nol, maka
matrik A tidak punya invers