• Tidak ada hasil yang ditemukan

Komponen pada Pemrograman Linier (PL)

N/A
N/A
Protected

Academic year: 2018

Membagikan "Komponen pada Pemrograman Linier (PL)"

Copied!
21
0
0

Teks penuh

(1)

Ahmad Sabri

(2)

2

Pemrograman Linier (1)

Komponen pada Pemrograman Linier (PL)

Model PL memiliki tiga komponen dasar:

Variabel keputusan yang akan dicari nilainya

Objektif yang akan dicari nilai optimalnya (maksimal atau minimal)

(3)

Data yang dibutuhkan untuk model LP: pengalokasian sumberdaya untuk berbagai aktivitas

Penggunaan sumberdaya

per unit aktivitas Banyaknya

Sumber Aktivitas sumber daya

(4)

4

Pemrograman Linier (1)

Bentuk umum model PL

Bentuk umum model PLmaksimum

MaksZ =c1x1+c2x2+. . .+cnxn Dengan kendala:

a11x1+a12x2+. . .+a1nxn ≤ b1 a21x1+a22x2+. . .+a2nxn ≤ b2

..

. ... ...

(5)

Bentuk umum model PL

Bentuk umum model PLminimum

MinZ =c1x1+c2x2+. . .+cnxn Dengan kendala:

a11x1+a12x2+. . .+a1nxn ≥ b1 a21x1+a22x2+. . .+a2nxn ≥ b2

..

. ... ...

(6)

6

Pemrograman Linier (1)

Istilah-istilah terkait solusi dari model

Solusi layak: solusi di mana semuakendala terpenuhi

Solusi tidak layak: solusi di mana paling sedikitsebuah kendala dilanggar

Daerah solusi layak: kumpulan dari semua solusi layak

Solusi optimal: solusi layak yang memiliki nilai objektif terbaik (yaitu nilai terbesar untuk problem maksimisasi, dan nilai terkecil untuk problem minimisasi).

Solusi optimal berganda: terdapat tak-hingga kemungkinan solusi yang memberikan fungsi objektif bernilai sama.

Tidak ada solusi optimal: terjadi jika (1) tidak terdapat solusi layak, atau (2) nilai fungsi objektif selalu dapat diperbesar tanpa melanggar kendala (kasus kedua ini disebut

(7)

Istilah-istilah terkait solusi dari model

Solusi layak: solusi di mana semuakendala terpenuhi

Solusi tidak layak: solusi di mana paling sedikitsebuah kendala dilanggar

Daerah solusi layak: kumpulan dari semua solusi layak

Solusi optimal: solusi layak yang memiliki nilai objektif terbaik (yaitu nilai terbesar untuk problem maksimisasi, dan nilai terkecil untuk problem minimisasi).

Solusi optimal berganda: terdapat tak-hingga kemungkinan solusi yang memberikan fungsi objektif bernilai sama.

(8)

6

Pemrograman Linier (1)

Istilah-istilah terkait solusi dari model

Solusi layak: solusi di mana semuakendala terpenuhi

Solusi tidak layak: solusi di mana paling sedikitsebuah kendala dilanggar

Daerah solusi layak: kumpulan dari semua solusi layak

Solusi optimal: solusi layak yang memiliki nilai objektif terbaik (yaitu nilai terbesar untuk problem maksimisasi, dan nilai terkecil untuk problem minimisasi).

Solusi optimal berganda: terdapat tak-hingga kemungkinan solusi yang memberikan fungsi objektif bernilai sama.

Tidak ada solusi optimal: terjadi jika (1) tidak terdapat solusi layak, atau (2) nilai fungsi objektif selalu dapat diperbesar tanpa melanggar kendala (kasus kedua ini disebut

(9)

Istilah-istilah terkait solusi dari model

Solusi layak: solusi di mana semuakendala terpenuhi

Solusi tidak layak: solusi di mana paling sedikitsebuah kendala dilanggar

Daerah solusi layak: kumpulan dari semua solusi layak

Solusi optimal: solusi layak yang memiliki nilai objektif terbaik (yaitu nilai terbesar untuk problem maksimisasi, dan nilai terkecil untuk problem minimisasi).

Solusi optimal berganda: terdapat tak-hingga kemungkinan solusi yang memberikan fungsi objektif bernilai sama.

(10)

6

Pemrograman Linier (1)

Istilah-istilah terkait solusi dari model

Solusi layak: solusi di mana semuakendala terpenuhi

Solusi tidak layak: solusi di mana paling sedikitsebuah kendala dilanggar

Daerah solusi layak: kumpulan dari semua solusi layak

Solusi optimal: solusi layak yang memiliki nilai objektif terbaik (yaitu nilai terbesar untuk problem maksimisasi, dan nilai terkecil untuk problem minimisasi).

Solusi optimal berganda: terdapat tak-hingga kemungkinan solusi yang memberikan fungsi objektif bernilai sama.

Tidak ada solusi optimal: terjadi jika (1) tidak terdapat solusi layak, atau (2) nilai fungsi objektif selalu dapat diperbesar tanpa melanggar kendala (kasus kedua ini disebut

(11)

Istilah-istilah terkait solusi dari model

Solusi layak: solusi di mana semuakendala terpenuhi

Solusi tidak layak: solusi di mana paling sedikitsebuah kendala dilanggar

Daerah solusi layak: kumpulan dari semua solusi layak

Solusi optimal: solusi layak yang memiliki nilai objektif terbaik (yaitu nilai terbesar untuk problem maksimisasi, dan nilai terkecil untuk problem minimisasi).

Solusi optimal berganda: terdapat tak-hingga kemungkinan solusi yang memberikan fungsi objektif bernilai sama.

(12)

7

Pemrograman Linier (1)

Metode penyelesaian PL

Terdapat dua metode untuk penyelesaian model PL:

1 Metode grafik (untuk model dengan dua variabel)

2 Metode simpleks (untuk model dengan dua variabel atau

(13)

Metode grafik

Penyelesaian model PL dengan metode grafik mencakup dua langkah:

1 Menentukan daerah solusi layak (feasible solution region)

2 Menentukan solusi optimal dari semua titik layak (feasible

(14)

9

Pemrograman Linier (1)

Karakteristik dari solusi optimal

Solusi optimal dari sebuah model PLselaludiasosiasikan sebagai sebuahtitik sudutpada daerah solusi (yaitu titik di mana dua garis berpotongan).

(15)

Karakteristik dari solusi optimal

Solusi optimal dari sebuah model PLselaludiasosiasikan sebagai sebuahtitik sudutpada daerah solusi (yaitu titik di mana dua garis berpotongan).

(16)

10

Pemrograman Linier (1)

Contoh

Chocolatier Burie, sebuah rumah produksi coklat Belgia, memiliki 2 jenis produksi coklat: coklathand-madedan coklatmachine-made. Pengalokasian sumber daya untuk setiap produk diberikan oleh data berikut:

Penggunaan sumberdaya

per unit adonan (jam) Ketersediaan Sumber Adonan sumber daya

daya Coklat mesin Coklathand-mande (jam) (M) (H)

Manusia 4 18 1296 Mesin 12 6 1824 Keuntungan

55 89

per unit adonan (Euro)

(17)

Model PL untuk problemChocolatier Burie:

MaksZ = 55M+ 89H Dengan kendala:

4M+ 18H ≤ 1296 12M+ 6H ≤ 1824

(18)

12

Pemrograman Linier (1)

(19)

Berdasarkan daerah solusi layak, kemungkinan solusi optimal diberikan oleh 4 titik sudut: (0 , 0), (0 , 72), (130.5 , 43) dan (152 , 0). Berikut nilaiZ = 55M+ 89H untuk setiap titik sudut:

(M, H) Z = 55M+ 89H

(0,0) 0

(0,72) 6408

(130.5,43) 11004.5 (maksimum)

(152,0) 8360

(20)

14

Pemrograman Linier (1)

Contoh

Redi Mix memproduksi cat interior dan eksterior dari dua bahan mentah: M1 dan M2. Tabel berikut memberikan data dasar:

Kebutuhan bahan mentah untuk per ton dari Ketersediaan maksimum Cat eksterior (ton) Cat interior (ton) harian (ton)

M1 6 4 24

M2 1 2 6

Keuntungan

5 4

per ton (juta)

(21)

Contoh

Sebuah bakery akan membuat roti daging secara tradisional dengan menggunakan kombinasi daging sapi dan domba. Daging sapi terdiri dari 80% daging dan 20% lemak. Biaya penjualan roti Rp. 8.000 per kg. Daging domba terdiri dari 68% daging dan 32% lemak. Biaya penjualan roti Rp. 6.000 per kg.

Referensi

Dokumen terkait

Jika semua koefisien baris 0 <=0, BFS solusi optimal. Selainnya, pilih koefisien paling positif untuk masuk ke

Dual Simpleks untuk Menentukan solusi optimal baru setelah perubahan rhs dari LP..  Menggunakan prinsip

Sedangkan solusi optimal untuk masalah minimisasi adalah suatu titik pada daerah fisibel dengan nilai fungsi objektif paling kecil.. (Roos

optimal pada optimasi linear adalah suatu titik pada daerah fisibel dengan nilai fungsi objektif paling besar sedangkan untuk masalah minimisasi, solusi optimal pada

Tesis ini mendapatkan hasil dari aproksimasi untuk model program stokastik dengan memenuhi semua kendala linier dimana solusi optimal tercapai tergantung pada partisi yang

Menentukan solusi optimal dari diantara semua titik sudut solusi layak (cont’d).. Contoh kasus

Diungkapkan pula oleh Winston (2004) bahwa nilai fungsi objektif optimal untuk suatu kandidat solusi merupakan batas bawah nilai fungsi objektif optimal untuk masalah program

Untuk masalah maksimisasi, solusi optimal pada optimasi linear adalah suatu titik pada daerah fisibel dengan nilai fungsi objektif paling besar sedangkan untuk masalah